Introduit les bases de Numpy, une bibliothèque de calcul numérique en Python, couvrant les avantages, la disposition de la mémoire, les opérations et les fonctions d'algèbre linéaire.
Introduit les bases Python et NumPy pour l'informatique scientifique, couvrant les types de données, les fonctions, les tableaux, l'indexation et les opérations courantes.
Couvre la dérivation des solutions formelles à l'équation de transfert radiatif et discute de la diffusion isotrope, de l'épaisseur optique et des applications de la méthode Monte Carlo.
Explore les signaux de débruitage avec des modèles de mélange gaussien et l'algorithme EM, l'analyse de signal EMG et la segmentation d'image à l'aide de modèles markoviens.
Couvre les tests unitaires avec JUnit pour les méthodes de tableau, y compris le test des éléments minimum, la manipulation des exceptions, le calcul des moyennes et les tableaux de tri.
