Couvre les concepts d'apprentissage profond, en se concentrant sur les graphiques, les transformateurs et leurs applications dans le traitement des données multimodales.
Introduit des structures de données réseau, des modèles et des techniques d'analyse, mettant l'accent sur l'invariance de permutation et les réseaux Erdős-Rényi.
Explore le lien entre les graphiques et les probabilités, en mettant l'accent sur les probabilités modulaires et super modulaires et les propriétés de corrélation.
Explore la gestion des données du réseau, y compris les types de graphiques, les propriétés du réseau dans le monde réel et la mesure de l'importance des nœuds.
Couvre les techniques d'apprentissage supervisées et non supervisées dans l'apprentissage automatique, en mettant en évidence leurs applications dans la finance et l'analyse environnementale.
