Introduit des modèles de Markov cachés, expliquant les problèmes de base et les algorithmes comme Forward-Backward, Viterbi et Baum-Welch, en mettant laccent sur lattente-Maximisation.
Explique les moments, l'attente, la variance et les quantiles dans les distributions de probabilités avec des exemples comme Poisson et des distributions exponentielles.
Explore les fonctions des ondes, la densité des électrons, les principes de la mécanique quantique, les opérateurs, l'équation de Schrödinger et les terminologies quantiques clés.
Couvre la représentation des données à l'aide de PCA pour la réduction de la dimensionnalité, en se concentrant sur la préservation du signal et l'élimination du bruit.
