Examine l'inférence causale, en soulignant l'importance de s'engager dans une ontologie pour tirer des inférences causales et choisir des estimands appropriés.
Couvre l'ontologie comme un dépôt de connaissances avec des significations convenues, évolution, mise à jour continue et conception d'ontologie intelligente.
Explore l'extraction de texte en neuroinformatique pour extraire les données de connectivité cérébrale et annoter les paramètres du modèle de la littérature scientifique.
Introduit la modélisation sémantique par le biais de données tabulaires et de RDF, couvrant les bases de données relationnelles, la migration de schémas, les schémas à l'épreuve du temps, l'interrogation SPARQL et les limitations de métaconnaissance.
Explore le lien entre les théories physiques et les données empiriques, contrastant la mécanique quantique standard avec l'ontologie explicite des particules dans l'espace de Newtonian Mechanics.
Explore l'analyse des données de neurosciences, en mettant l'accent sur les données structurées, les outils de calcul et la tendance des neurosciences de calcul en tant que service.
