Analyse numérique : aperçu du cours

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (26)

Page 2 sur 3

L'informatique scientifique en neurosciences

Explore l'histoire et les outils de l'informatique scientifique en neuroscience, en mettant l'accent sur la simulation des neurones et des réseaux.

Computing scientifique avec Python

Couvre les bases de l'informatique scientifique avec Python, se concentrant sur la programmation, les algorithmes et les méthodes numériques.

Jupyter Notebooks pour l'analyse numérique

Couvre la transition vers les carnets Python et Jupyter pour l'analyse numérique à l'EPFL, y compris des exercices interactifs et des tests gradués.

Numéros de points flottants : LU Décomposition et erreurs

Explore les nombres de points flottants, la décomposition de LU, les erreurs dans les calculs numériques et l'impact des erreurs arrondies.

Méthodes numériques : équations différentielles

Couvre l'application de méthodes numériques pour résoudre des équations différentielles à l'aide de MATLAB.

L'IA pour la science

Explore les principes fondamentaux de la recherche scientifique, de l'impact des ordinateurs, des algorithmes numériques et de l'apprentissage profond dans la résolution de problèmes de haute dimension.

Méthodes numériques en chimie

Couvre la mise en œuvre de méthodes numériques dans MATLAB pour résoudre des problèmes chimiques.

Physique numérique : transformées de Fourier et algèbre linéaire

Couvre des sujets avancés en physique computationnelle, en se concentrant sur les transformées de Fourier et l'algèbre linéaire.

Introduction à LabVIEW

Couvre les bases de LabVIEW, y compris son importance, son historique, ses fonctions et les outils disponibles.

Analyse numérique : introduction aux techniques d'interpolation

Couvre les bases de l'analyse numérique, en se concentrant sur les méthodes d'interpolation et leurs applications en ingénierie.