Séance de cours
Réseaux sociaux et d'information : processus
Dans cours
DEMO: consectetur sunt qui cillum
Magna minim nisi exercitation ut enim adipisicing aliqua proident velit dolore. Sint anim amet irure eiusmod. Anim officia ullamco mollit est consectetur pariatur ex dolor commodo laboris et deserunt commodo id.
Description
Cette séance de cours couvre les mesures de calcul sur de grands réseaux, l'échantillonnage, les marches aléatoires sur les graphiques, la manipulation des biais de degré et de localité, la conductance liée, les épidémies, les estimateurs impartiaux des marches aléatoires, l'analyse transitoire, le temps de mélange et les modèles épidémiques dans les réseaux sociaux et d'information.
Enseignant
sint adipisicing nisi
Consequat culpa consequat sunt enim pariatur ullamco dolore minim consectetur cillum pariatur excepteur aliqua. Mollit est occaecat ad eiusmod. Amet non voluptate minim duis reprehenderit fugiat do dolore. Aliqua commodo et excepteur labore aute non cupidatat. Ullamco excepteur enim et anim cupidatat in dolor amet.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Séances de cours associées (32)
Densité des États et inférence bayésienne en mathématiques computationnelles
Explorer la densité de calcul des états et l'inférence bayésienne à l'aide d'un échantillonnage d'importance, montrant une variance inférieure et la parallélisation de la méthode proposée.
Modèles de propagation épidémique
Couvre les modèles classiques de propagation et de dynamique épidémiques sur des réseaux avec des exemples.
Modèles génériques implicites
Explore des modèles générateurs implicites, couvrant des sujets comme la méthode des moments, le choix du noyau et la robustesse des estimateurs.
Estimateurs et intervalles de confiance
Explore le biais, la variance, les estimateurs non biaisés et les intervalles de confiance dans l'estimation statistique.
Le phénomène Stein et la superefficacité
Explore le phénomène Stein, présentant les avantages du biais dans les statistiques de grande dimension et la supériorité de l'estimateur James-Stein sur l'estimateur de probabilité maximale.