Séance de cours

Introduction à la modélisation du comportement : exemple simple

Séances de cours associées (32)

Précipitations et conception hydrologique

Couvre les méthodes pour définir la tempête de conception, la distribution empirique des maxima de pluie, la distribution de Gumbel, et les relations intensité-durée-fréquence.

Partialité, variance, cohérence, EMV

Couvre le biais, la variance, l'erreur carrée moyenne, la cohérence et l'estimation de la probabilité maximale dans le modèle Poisson.

Régression: Linéaire simple et multiple

Couvre la régression linéaire simple et multiple, y compris l'estimation des moindres carrés et le diagnostic du modèle.

Modèles de mélange: hétérogénéité du goût

Explore les modèles de mélange dans des résultats d'estimation de choix discrets et de paramètres aléatoires.

Modèles de mélange gaussien et signaux sonores

Explore les modèles de mélange gaussien et dénigre les signaux bruyants à l'aide d'une approche probabiliste.

Modèles de choix avec variables latentes : modélisation de concepts latents

Explore les modèles de choix avec des variables latentes et leur processus d'estimation basé sur l'intégration de la probabilité.

Estimation et analyse de la déviance

Couvre lestimation des paramètres inconnus, lanalyse de lajustement du modèle, la réponse des proies des oiseaux et le diagnostic du modèle.

Les moindres carrés récursifs

Couvre la méthode des moindres carrés récursifs pour l'estimation des paramètres basée sur les équations d'observation et les matrices de conception.

Google Analytics 4: Comprendre et configurer GA4

Introduit Google Analytics 4 et des guides sur la configuration pour les sites WordPress, mettant l'accent sur les différences clés et le suivi des événements.

Études de données critiques : Introduction et modèles

Introduit le cours Études des données critiques, couvrant les modèles de données, la confiance, la reproductibilité, les biais et l'éthique.

Deep Learning : données, modèles et défis

Fournit une vue d'ensemble des concepts d'apprentissage profond, en se concentrant sur les données, l'architecture du modèle et les défis liés à la gestion de grands ensembles de données.

Analyse de valeur extrême : sélection des seuils

Discuter de la sélection des seuils dans l'analyse des valeurs extrêmes et de son impact sur le rendement du modèle.