Introduit des concepts d'apprentissage automatique appliqués tels que la collecte de données, l'ingénierie des caractéristiques, la sélection des modèles et les mesures d'évaluation du rendement.
Discute de l'importance de la collecte de données et de la préparation à la classification, y compris les défis d'étiquetage et les méthodes de crowdsourcing.
Couvre les méthodes d'observation en sciences sociales, en mettant l'accent sur l'observation directe et indirecte, l'observation participante et l'ethnographie multi-située.
Introduit les bases de l'apprentissage automatique, y compris la collecte de données, l'évaluation des modèles et la normalisation des fonctionnalités.
Étudier la mesure et l'opérationnalisation des résultats dans la gestion de la fièvre chez les enfants de moins de cinq ans au moyen d'exemples et d'approches de collecte de données.
Explore les sources de données quantitatives, les méthodes d'enquête et les techniques de recherche qualitative pour la collecte complète de données dans la planification des transports.
Examine les défis que posent les hypothèses de données, les biais et d'autres aspects de la recherche, y compris les écritures incomplètes et les frustrations des nouveaux arrivants.
Explore l'importance de l'analyse comparative entre les sexes dans la recherche de mise en oeuvre sur les maladies de la pauvreté, en mettant l'accent sur les objectifs transformatifs et l'inclusivité.
Introduit Google Analytics 4 et des guides sur la configuration pour les sites WordPress, mettant l'accent sur les différences clés et le suivi des événements.
Introduit un cours sur l'apprentissage automatique des données comportementales à l'EPFL, couvrant les algorithmes ML, le traitement des données et l'évaluation des modèles.
Présente une description de projet pour la construction de chatbots éducatifs à l'aide de modèles de type ChatGPT, décrivant les étapes, les politiques et le partage de données à des fins de recherche.
Couvre les méthodes de recherche économique, les projets de groupe, les méthodes scientifiques et les défis liés à l'application des résultats de la recherche.
Introduit la modélisation de comportement à travers un exemple simple, se concentrant sur les composants de modélisation de choix et l'analyse du marché de la voiture électrique.
