Couvre l'ontologie comme un dépôt de connaissances avec des significations convenues, évolution, mise à jour continue et conception d'ontologie intelligente.
Explore les systèmes de raisonnement automatisés pratiques comme TPTP, TSTP et CASC, en soulignant l'importance de la cohérence et des développements futurs.
Explore le lien entre les théories physiques et les données empiriques, contrastant la mécanique quantique standard avec l'ontologie explicite des particules dans l'espace de Newtonian Mechanics.
Examine l'inférence causale, en soulignant l'importance de s'engager dans une ontologie pour tirer des inférences causales et choisir des estimands appropriés.
Souligne la reproductibilité et la réutilisabilité des données dans les neurosciences silico, en mettant l'accent sur les outils et les méthodes de neuroinformatique.
Explore les entrepôts de données, les systèmes d'aide à la décision, OLAP, les lacs de données, les modèles de données multidimensionnels et les optimisations de requêtes.
