Discute de l'importance de la collecte de données et de la préparation à la classification, y compris les défis d'étiquetage et les méthodes de crowdsourcing.
Introduit les types de variables, la distribution multinomiale, les caractéristiques des données, les formes des densités, la corrélation et les méthodes de visualisation des données.
Se penche sur l'impact de l'apprentissage automatique sur la vie privée, en discutant des attaques, des vulnérabilités et des considérations éthiques dans l'utilisation des données.
Couvre les moindres carrés pondérés itératifs, la vérification du modèle, la régression de Poisson et lajustement des modèles multinomiels en utilisant les erreurs de Poisson.
Fournit une vue d'ensemble des concepts d'apprentissage profond, en se concentrant sur les données, l'architecture du modèle et les défis liés à la gestion de grands ensembles de données.
Discute des techniques d'imagerie, en se concentrant sur les distorsions géométriques et radiométriques dans la photographie aérienne et leurs implications pour l'interprétation des données.
Explore l'évaluation environnementale systémique, l'analyse nationale des flux de matériaux et le développement d'un tableau de bord du métabolisme urbain pour Zurich à l'aide de données ouvertes.