Fournit une analyse approfondie du modèle d'Ising de champ aléatoire, couvrant la description du modèle, l'entropie libre et l'algorithme de champ moyen.
Explore l'identité thermodynamique, la relation entropie-température et la définition de la pression, illustrant les principes clés avec des exemples pratiques.
Couvre les modèles de minimisation de l'énergie dans les systèmes biologiques, en se concentrant sur l'équilibre et les rôles de l'entropie et de l'hydrophobicité.
Introduit le modèle de subcube aléatoire (RSM) pour les problèmes de satisfaction des contraintes, explorant sa structure, les transitions de phase et le gel variable.
Explore les limites de l'entropie, les théorèmes conditionnels de l'entropie et la règle de chaîne pour les entropies, illustrant leur application à travers des exemples.
Couvre les mesures d'information telles que l'entropie, la divergence Kullback-Leibler et l'inégalité de traitement des données, ainsi que les noyaux de probabilité et les informations mutuelles.
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.
