Séance de cours
Quantifier la dépendance statistique
Séances de cours associées (59)
Copulas: Propriétés et applications
Explore les copules dans les statistiques multivariées, couvrant les propriétés, les erreurs et les applications dans la modélisation des structures de dépendance.
Optimisation et simulation
Couvre l'algorithme Metropolis-Hastings et les approches basées sur les gradients pour biaiser les recherches vers des valeurs de vraisemblance plus élevées.
Modèles stochastiques pour les communications
Couvre les vecteurs aléatoires, les modèles stochastiques, les fonctions, les matrices et les attentes dans les systèmes de communication.
Estimation et corrélation
Explique lestimation, la corrélation et la corrélation Pearson dans les statistiques, en se concentrant sur la mesure et la description des relations entre les variables.
Protein Structure Prediction
Se penche sur la prédiction de la structure des protéines grâce à l'analyse des contacts avec les acides aminés et à des méthodes informatiques avancées.
Traitement de l'information visuelle: yeux et implants
Couvre le traitement de l'information visuelle dans l'œil, l'anatomie de la rétine, la biochimie des photorécepteurs et l'utilisation d'implants pour traiter les déficiences visuelles.
Synchronisation de trame : Dérivation systématique avec test de vraisemblance
Couvre la dérivation systématique d'un algorithme de synchronisation avec un test de vraisemblance généralisée dans les récepteurs sans fil.
Restaurer la vue avec la technologie photovoltaïque
Discuter de la restauration de la vue dans la dégénérescence maculaire liée à l'âge à l'aide de la technologie photovoltaïque, couvrant la structure de l'œil, la signalisation rétinienne et les résultats des essais cliniques.
Prédiction de contact avec les protéines : modèles de probabilités de Pseudo et de pots
Couvre la prédiction du contact avec les protéines à l'aide des modèles Potts et des méthodes de pseudo-probabilité, en comparant différentes approches pour la prédiction du contact dans les protéines.
Inférence : Exercice 3.2
Couvre le sujet de l'estimation de vraisemblance et de l'estimation du maximum de vraisemblance dans l'inférence.