Explore linférence de vraisemblance maximale, comparant les modèles basés sur les ratios de vraisemblance et démontrant avec un exemple de pièce de monnaie.
Explore les signaux de débruitage avec des modèles de mélange gaussien et l'algorithme EM, l'analyse de signal EMG et la segmentation d'image à l'aide de modèles markoviens.
Couvre la théorie de la matrice aléatoire et la méthode de la réplique pour calculer des quantités liées à des séries non-hermitiques en utilisant la transformée de Stieltjes.
Explore la sélection des modèles en utilisant les critères AIC et BIC, en répondant à différentes questions et à l'importance de la parcimonie dans la sélection du meilleur modèle.
Explore les familles exponentielles, les distributions de Bernoulli, l'estimation des paramètres et les distributions d'entropie maximale dans la modélisation statistique.
Couvre l'estimation des paramètres en métrologie quantique, Quantum Fisher Information, l'interférométrie de Ramsey, l'intrication et l'impact du bruit sur les états NooN.
Explore la régression logistique pour la classification binaire, couvrant la modélisation des probabilités, les méthodes d'optimisation et les techniques de régularisation.
