Couvre la théorie et les applications de la coloration graphique, en se concentrant sur les modèles de blocs stochastiques dissortatifs et la coloration plantée.
Explore la formulation et la complexité des machines vectorielles de soutien, y compris les formes primaires et doubles, l'interprétation géométrique et les implications algorithmiques.
Explore les noyaux de régression de processus gaussien, les coûts de calcul et les comparaisons avec la régression de crête et d'autres techniques de régression non linéaire.