Couvre l'intégration de l'apprentissage automatique avec la microscopie à sonde à balayage pour une automatisation et une efficacité améliorées dans les flux de travail scientifiques.
Explore la mémoire, l'apprentissage, la charge cognitive et les stratégies de résolution de problèmes pour améliorer l'apprentissage et la performance cognitive.
Explore la conception de scénarios d'intégration pour l'apprentissage inversé et mélangé avec du matériel numérique, mettant l'accent sur l'apprentissage actif et les environnements structurés.
Explore le décodage de l'activité cérébrale humaine pour la prise de décision, le contrôle du comportement et le traitement de la parole, avec des implications pour les neuroprothèses.
Explore les différences entre les experts et les novices dans la gestion de projet et le développement de l'expertise par le biais d'expériences pratiques.
Explorer la durée d'exécution des requêtes pour les moteurs de base de données compilés par JIT en utilisant l'apprentissage actif et les résultats expérimentaux.
