Couvre les concepts de lunettes de spin et d'estimation bayésienne, en se concentrant sur l'observation et la déduction de l'information d'un système de près.
Introduit le cours de programmation de l'apprentissage automatique, couvrant les prérequis de programmation de MATLAB et les bases de l'apprentissage automatique, ainsi que le système de classement et le matériel de cours.
Explore la modélisation des signaux neurobiologiques, en se concentrant sur les pics, la vitesse de tir, plusieurs neurones d'état, et l'estimation des paramètres.
Plonge dans l'interprétation statistique des réseaux de neurones artificiels, explorant la probabilité de données et maximisant la précision du modèle.
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
