Explore la régression linéaire probabiliste et la régression de processus gaussien, en mettant l'accent sur la sélection du noyau et l'ajustement hyperparamétrique pour des prédictions précises.
Explore les techniques bayésiennes pour résoudre les problèmes de valeur extrême, en mettant l'accent sur l'analyse du MCMC et sur l'importance d'une information préalable appropriée.
Examine l'inférence causale, en soulignant l'importance de s'engager dans une ontologie pour tirer des inférences causales et choisir des estimands appropriés.
Décrit le cours ME-301 sur les techniques de mesure, en se concentrant sur les principes théoriques et les applications pratiques dans les expériences d'ingénierie.
Explore la vérification et la validation dans la modélisation computationnelle, en mettant l'accent sur la précision par comparaison avec les données expérimentales et des conseils pratiques sur la complexité des modèles.
