Couvre les bases de Pytorch avec les ensembles de données MNIST et Digits, en mettant l'accent sur la formation des réseaux neuronaux pour la reconnaissance manuscrite des chiffres.
Explore les fondamentaux du traitement des signaux, y compris les signaux de temps discrets, la factorisation spectrale et les processus stochastiques.
Introduit la modélisation à l'échelle atomique et les prédictions informatiques, mettant l'accent sur les fondamentaux de la science des matériaux et les compétences en programmation Python.
Introduit les bases de Python comme les types, les fonctions, les conditions, les boucles et les listes, avec des exemples de manipulation de chaîne et d'opérations de liste.