Couvre la théorie des probabilités, les distributions et l'estimation dans les statistiques, en mettant l'accent sur la précision, la précision et la résolution des mesures.
Couvre la probabilité appliquée, les processus stochastiques, les chaînes de Markov, l'échantillonnage de rejet et les méthodes d'inférence bayésienne.
Introduit les concepts fondamentaux de la théorie des probabilités, y compris l'espace échantillonné, l'espace événementiel et les lois sur les probabilités.
Explore les modèles de mélange gaussien pour la classification des données, en mettant l'accent sur la dénigrement des signaux et l'estimation des données originales à l'aide des approches de probabilité et a posteriori.
Couvre les méthodes d'échantillonnage Hypercube latin et de quasi Monte Carlo pour la simulation stochastique, expliquant l'objectif de la stratification et générant des permutations indépendantes.
Explore l'arbitrage, les mesures de martingale et l'exhaustivité du marché dans des modèles multipériodes, en se concentrant sur les stratégies de tarification et de couverture.
Explore la suppression du bruit, la mesure des capteurs, la portée dynamique, les microlentilles et les détecteurs monophotons dans les capteurs d'images optiques.