Explore les méthodes de descente de gradient pour les problèmes convexes lisses et non convexes, couvrant les stratégies itératives, les taux de convergence et les défis d'optimisation.
Couvre la théorie des probabilités, les distributions et l'estimation dans les statistiques, en mettant l'accent sur la précision, la précision et la résolution des mesures.
Couvre les méthodes d'identification et de traitement des valeurs extrêmes dans les données, y compris les procédures statistiques de détection aberrante.
Explore la théorie de la distribution des estimateurs des moindres carrés dans un modèle linéaire gaussien, en mettant l'accent sur la construction des intervalles de précision et de confiance.
Explore les modèles paramétriques, les techniques d'estimation, les modèles de régression et les classificateurs basés sur les scores dans l'analyse des données.
