Séance de cours
Histoire urbaine numérique: Lausanne Time Machine
Description
Cette séance de cours explore le projet Lausanne Time Machine, axé sur la reconstruction numérique des données urbaines historiques de Lausanne. Les sujets abordés comprennent la géoréférenciation, la reconnaissance visuelle des motifs et la création de cartes historiques interactives à l'aide d'outils comme Jupyter Notebook et Wix. La présentation s'inscrit dans le processus de numérisation des textes manuscrits, d'analyse des documents historiques et de création de représentations visuelles de l'évolution urbaine. Les élèves apprennent à travailler avec des ensembles de données du 19e siècle, à comprendre les processus de cadaster et à utiliser des outils géospatials pour l'analyse des données historiques.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Séances de cours associées (57)
Visite des services d'hébergement Web Legacy
Couvre une visite des anciens services d'hébergement Web et des discussions sur le stockage futur des services.
Suivi en ligne : méthodes Stateful vs. apatrides
Explore les méthodes de suivi en ligne, y compris la toile et les empreintes de l'API AudioContext, et leurs implications en matière de protection de la vie privée.
Formation d'experts en éducation numérique
Souligne la sélection d'images pour évoquer des émotions positives et clarifier le contenu de formation dans l'éducation numérique.
Déploiement du certificat SSL pour l'hébergement Web ENAC
Se concentre sur le déploiement de certificats SSL pour l'hébergement Web ENAC, couvrant la génération de certificats, le débogage et la gestion de livres de lecture Ansible.
Introduction à la science des données
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.