Explore la modélisation des signaux neurobiologiques avec les chaînes Markov, en mettant l'accent sur l'estimation des paramètres et la classification des données.
Couvre les processus de Markov, les densités de transition et la distribution sous réserve d'information, en discutant de la classification des états et des distributions fixes.
Explore la modélisation des signaux neurobiologiques, en se concentrant sur les pics, la vitesse de tir, plusieurs neurones d'état, et l'estimation des paramètres.
Explore la formation de l'espérance musicale, les transitions de modélisation dans la musique et les défis informatiques dans la représentation des structures musicales, se terminant par une étude sur l'harmonie jazz.
Couvre lalgorithme IWLS pour obtenir des MLE dans les modèles de régression et discute de la statistique du rapport de vraisemblance et de la déviance dans lajustement du modèle.
Introduit les bases de l'apprentissage supervisé, en mettant l'accent sur la régression logistique, la classification linéaire et la maximisation de la probabilité.
