S'inscrit dans le cadre juridique suisse de l'expérimentation animale, couvrant les dispositions constitutionnelles, l'évaluation éthique, les principes des 3R, les procédures d'octroi de licences, les rôles et responsabilités, et les défis mondiaux.
Introduit des modèles de Markov cachés, expliquant les problèmes de base et les algorithmes comme Forward-Backward, Viterbi et Baum-Welch, en mettant laccent sur lattente-Maximisation.
Explore les attitudes du public, les perspectives éthiques, les cadres réglementaires, l'activisme, les types d'animaux pour la recherche, le bien-être, les droits et le débat sur l'abolition et la réglementation dans la recherche animale.
Explore la législation suisse sur la protection juridique des animaux, l'évaluation éthique de l'expérimentation animale et les principes des 3R dans la recherche.
Explore l'ergonomie et la distribution stationnaire dans les chaînes Markov, en mettant l'accent sur les propriétés de convergence et les distributions uniques.
Explore les chaînes de Markov et leurs applications dans des algorithmes, en se concentrant sur l'impatience des utilisateurs et la génération d'échantillons fidèles.
Explore l'extension bayésienne de HMM pour la segmentation et la modélisation de l'action du robot, les limites des HMM classiques et la segmentation des données de capture de mouvement.
Couvre les processus de Markov, les densités de transition et la distribution sous réserve d'information, en discutant de la classification des états et des distributions fixes.
Couvre les chaînes de Markov et leurs applications dans les algorithmes, en se concentrant sur l'échantillonnage Markov Chain Monte Carlo et l'algorithme Metropolis-Hastings.
