Couvre les principes fondamentaux de la science des données, en mettant l'accent sur la profondeur et l'application pratique dans l'apprentissage automatique et l'analyse de données.
Examine la coopération, l'altruisme et les amitiés entre non-parents chez les animaux et les humains, en mettant l'accent sur le rôle de la réciprocité et des normes sociales.
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.
Examine les éléments fondamentaux de la gestion des données, y compris les modèles, les sources et les querelles, en soulignant l'importance de comprendre et de résoudre les problèmes de données.
Se penche sur l'application de l'apprentissage automatique à l'amélioration de la documentation relative aux droits de l'homme et aux activités de plaidoyer à l'intention d'organisations telles que HURIDOCS.
Couvre l'analyse en composantes principales pour la réduction dimensionnelle des données biologiques, en se concentrant sur la visualisation et l'identification des modèles.
Explore la Décomposition de la Valeur Singulière et son rôle dans l'apprentissage non supervisé et la réduction de dimensionnalité, en mettant l'accent sur ses propriétés et applications.
Plonge dans les humanités numériques, en se concentrant sur la définition des grands ensembles de données culturelles et les différentes dimensions de la bigness des données.
Explore l'impact des normes sociales sur le comportement et la prise de décisions, y compris la litière, la consommation d'énergie, l'apprentissage observationnel et le comportement des foules.
