Explore l'inférence causale, les graphiques dirigés et l'équité dans les algorithmes, en mettant l'accent sur l'indépendance conditionnelle et les implications des GAD.
Examine l'échantillonnage dans l'estimation de la probabilité maximale et ses répercussions sur la contribution conjointe de la probabilité et de la probabilité.
Examine la régression probabiliste linéaire, couvrant les probabilités articulaires et conditionnelles, la régression des crêtes et l'atténuation excessive.
Couvre des sujets tels que la sortie DFS, la classification des bords, les graphes acycliques, l'exactitude, l'analyse du temps, les SCC et l'algorithme de tri topologique.
