Couvre l'informatique scientifique, l'automatisation des processus et la gestion des données dans les applications informatiques dans différents secteurs.
Introduit l'estimation bayésienne, qui couvre l'inférence classique par rapport à l'inférence bayésienne, les antécédents conjugués, les méthodes MCMC et des exemples pratiques comme l'estimation de la température et la modélisation de choix.
Couvre la chaîne Markov Monte Carlo pour l'échantillonnage des distributions haute dimension, en discutant des défis, des avantages et des applications comme le problème Knapsack et la cryptographie.
Discute de l'optimisation par rapport à la simulation dans l'ingénierie des systèmes énergétiques, les réseaux de chauffage urbain et les directives d'écriture scientifique.
Couvre les concepts fondamentaux de l'optimisation et de la recherche opérationnelle, en explorant des exemples du monde réel et des sujets clés sur un semestre.
Explorer la résolution Connect Four en utilisant des algorithmes de théorie de jeu et compare la taille Alpha-Beta avec la recherche d'arbre Monte-Carlo.
Explore coordonner les stratégies d'optimisation de descente, en mettant l'accent sur la simplicité dans l'optimisation grâce à des mises à jour coordonnées et en discutant des implications des différentes approches.