Explore les modèles linéaires pour la classification, y compris la classification binaire, la régression logistique, les limites de décision et les machines vectorielles de support.
Explore la dualité forte, le relâchement complémentaire, l'interprétation économique et les scénarios de problèmes stochastiques dans la programmation linéaire.
Explore les arbres de décision et de régression, les mesures d'impuretés, les algorithmes d'apprentissage et les implémentations, y compris les arbres d'inférence conditionnelle et la taille des arbres.
Couvre l'analyse de décision multicritères pour le choix des investissements et la durabilité, y compris les défis dans la sélection des critères et les méthodes de notation.
Explore les algorithmes de classification génératifs et discriminatifs, en mettant l'accent sur leurs applications et leurs différences dans les tâches d'apprentissage automatique.
Plonge dans la prise de décision sous le risque, la rationalité limitée, la théorie des prospects et le cadrage, avec des idées de l'économie comportementale.
