Couvre le concept d'échantillonnage, le théorème d'échantillonnage, la reconstruction du signal et la conversion des signaux analogiques en signaux numériques.
Explore l'échantillonnage dans les statistiques inférentielles, en mettant l'accent sur l'impact de la taille de l'échantillon et du caractère aléatoire sur la précision de l'inférence.
Explore les techniques de Monte Carlo pour l'échantillonnage et la simulation, couvrant l'intégration, l'échantillonnage d'importance, l'ergonomie, l'équilibrage et l'acceptation de Metropolis.
Explore les signaux, les instruments et les systèmes, couvrant ADC, Fourier Transform, échantillonnage, reconstruction des signaux, alias et filtres anti-alias.
Couvre la théorie et les applications de la coloration graphique, en se concentrant sur les modèles de blocs stochastiques dissortatifs et la coloration plantée.
Explore Markov Chain Monte Carlo pour l'échantillonnage des distributions haute dimension et l'optimisation des fonctions à l'aide de l'algorithme Metropolis-Hastings.