Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours couvre le modèle conditionnel gaussien pour la régression linéaire, les propriétés du modèle si les données sont gaussiennes, et le paradoxe de Simpson illustré par l'exemple de comparaison du traitement par pierre rénale. Il traite également des équations normales, de la régression linéaire par rapport à l'affine et du principe d'estimation de la probabilité maximale.