Discute des principes fondamentaux de la probabilité et des processus stochastiques, en se concentrant sur les variables aléatoires, leurs propriétés et leurs applications dans le traitement statistique du signal.
Explore les distributions de probabilité pour les variables aléatoires dans les études sur la pollution atmosphérique et le changement climatique, couvrant les statistiques descriptives et inférentielles.
Explore le traitement adaptatif du signal, la descente de gradient et l'algorithme LMS pour un filtrage efficace et un entraînement au réseau neuronal.
Couvre la probabilité appliquée, les processus stochastiques, les chaînes de Markov, l'échantillonnage de rejet et les méthodes d'inférence bayésienne.
Explore la théorie classique du champ moyen, les interactions locales, et des exemples comme les modèles SIR individuels et la formation de gouttes de pluie.
