Couvre les mesures d'information telles que l'entropie, l'entropie articulaire et l'information mutuelle dans la théorie de l'information et le traitement des données.
Revisite les bases de l'image et du noyau dans l'algèbre linéaire, en mettant l'accent sur les transformations linéaires entre les espaces vectoriels à dimension finie.
Couvre les méthodes du noyau dans l'apprentissage automatique, en se concentrant sur le surajustement, la sélection du modèle, la validation croisée, la régularisation, les fonctions du noyau et la SVM.
Explore une réponse linéaire optimale pour les systèmes dynamiques stochastiques, s'attaquant aux perturbations et à l'optimisation de la vitesse de mélange.