Explore les modèles génératifs, la régression logistique et la distribution gaussienne pour approximer les probabilités postérieures et optimiser les performances du modèle.
Examine l'estimation non paramétrique à l'aide de l'approche de vraisemblance empirique et discute du calcul des probabilités et de l'estimation empirique.
Examine les risques, les variations et l'incertitude en matière de réduction des risques de catastrophe au moyen de modèles de probabilité et de fonctions de perte.
