Contient les CNN, les RNN, les SVM et les méthodes d'apprentissage supervisé, soulignant l'importance d'harmoniser la régularisation et de prendre des décisions éclairées dans le domaine de l'apprentissage automatique.
Couvre la classification des images, le clustering et les techniques d'apprentissage automatique telles que la réduction de la dimensionnalité et l'apprentissage par renforcement.
Couvre la transition du modèle à six vertex à la percolation FK, en se concentrant sur les phénomènes critiques et les transitions de phase dans les systèmes bidimensionnels.
Explore la relation entre les ensembles de boucles conformes et la théorie des champs conformes, en se concentrant sur la fonction d'imbrication en trois points et sa dérivation mathématique.
