Explore les données sur la consommation d'eau à Genève, y compris les graphiques sur la consommation et les pertes, les ensembles de données disponibles et les phases de traitement des données.
Couvre les bases du traitement des flux de données, y compris des outils comme Apache Storm et Kafka, des concepts clés tels que le temps d'événement et les opérations de fenêtre, et les défis du traitement des flux.
Explore l'apprentissage automatique atomistique, intégrant les principes physiques dans les modèles pour prédire avec précision les propriétés moléculaires.
Explique les conditions d'utilisation de l'apprentissage automatique dans des problèmes complexes avec des modèles dans les données et l'accès à un ensemble de données.
Explore les progrès de la science des données, en mettant l'accent sur des idées rapides, la variété des données et les systèmes de données intelligents en temps réel.
Couvre les projets d'histoire numérique, les relations sociales dans la recherche, les défis de prétraitement des données et les outils d'analyse de réseau.
Explore la préparation des données pour l'apprentissage automatique, en mettant l'accent sur la conversion numérique et les techniques efficaces de visualisation des données.
Introduit le cours sur les systèmes d'information distribués, en mettant l'accent sur les concepts clés et les outils pratiques pour le traitement des données.
