EE-311: Fundamentals of machine learningCe cours présente une vue générale des techniques d'apprentissage automatique, passant en revue les algorithmes, le formalisme théorique et les protocoles expérimentaux.
CS-442: Computer visionComputer Vision aims at modeling the world from digital images acquired using video or infrared cameras, and other imaging sensors.
We will focus on images acquired using digital cameras. We will int
CS-456: Deep reinforcement learningThis course provides an overview and introduces modern methods for reinforcement learning (RL.) The course starts with the fundamentals of RL, such as Q-learning, and delves into commonly used approac
CIVIL-459: Deep learning for autonomous vehiclesDeep Learning (DL) is the subset of Machine learning reshaping the future of transportation and mobility. In this class, we will show how DL can be used to teach autonomous vehicles to detect objects,
CH-310: Dynamics and kineticsThe course covers the principles of chemical kinetics, including differential rate laws, derivation of exact and approximate integral rate laws for common elementary and composite reactions, fundament
ME-331: Solid mechanicsModel the behavior of elastic, viscoelastic, and inelastic solids both in the infinitesimal and finite-deformation regimes.
CS-119(h): Information, Computation, CommunicationL'objectif de ce cours est d'initier les étudiants à la pensée algorithmique, de les familiariser avec les fondamentaux de l'informatique et des communications et de développer une première compétence
AR-211: StereotomyLa Stéréotomie est l'art de concevoir et fabriquer des volumes complexes en pierre et des assemblages en bois.
Ce cours propose une réinterprétation de la Stéréotomie avec différents outils, une réfl
CS-119(d): Information, Computation, CommunicationL'objectif de ce cours est d'introduire les étudiants à la pensée algorithmique, de les familiariser avec les fondamentaux de l'Informatique et de développer une première compétence en programmation (
