Explore les défis d'une vision robuste, y compris les changements de distribution, les exemples d'échecs et les stratégies visant à améliorer la robustesse des modèles grâce à une préformation diversifiée des données.
Couvre les propriétés des fonctions de distribution, les variables aléatoires discrètes et continues, l'indépendance et la notation en théorie des probabilités.
Couvre la quantification des distributions de probabilité, le regroupement statistique des moyennes k, l'estimation moyenne, les méthodes de regroupement robustes et les questions de recherche ouvertes.
S'inscrit dans l'histoire numérique urbaine de Lausanne, en mettant l'accent sur la cartographie des espaces sociaux urbains et des structures historiques de propriété.
