Introduit des variables aléatoires continues et leurs distributions de probabilité, en mettant l'accent sur leurs applications en statistique et en science des données.
Explore des statistiques suffisantes, la compression des données et leur rôle dans l'inférence statistique, avec des exemples comme Bernoulli Trials et des familles exponentielles.
Explore l'exhaustivité, la suffisance minimale et les modèles statistiques spéciaux, en se concentrant sur les familles exponentielles et de transformation.
Explorer l'analyse de la pollution atmosphérique à l'aide de données sur le vent, de distributions de probabilités et de modèles de trajectoire pour l'évaluation de la qualité de l'air.
Explore les distributions de probabilité pour les variables aléatoires dans les études sur la pollution atmosphérique et le changement climatique, couvrant les statistiques descriptives et inférentielles.
Couvre les concepts fondamentaux de la statistique, y compris la théorie de l'estimation, les distributions et la loi des grands nombres, avec des exemples pratiques.
Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.
