Séances de cours associées à Bayesian hierarchical modeling

Optimisation des réseaux d'information

Explore les réseaux maximisant l'information, priorisant les données pour maximiser le flux d'information et optimiser les itinéraires pour le rendement énergétique.

Chaînes Monte Carlo Markov

Couvre l'apprentissage non supervisé, la réduction de dimensionnalité, SVD, l'estimation de bas grade, PCA, et les chaînes Monte Carlo Markov.

Estimation du paramètre bayésien

Couvre un exemple d'estimation des paramètres bayésiens et le compromis entre le biais et la variance dans l'apprentissage supervisé.

Applications de contrôle optimales

Couvre l'application d'un contrôle optimal dans l'identification des paramètres et le compromis entre le modèle et les mesures.