Présente le cours 'Histoire et théorie de l'environnement' et discute de l'importance de l'étude des questions environnementales et des paysages pour un avenir durable.
Explore la perception dans l'apprentissage profond pour les véhicules autonomes, couvrant la classification d'image, les méthodes d'optimisation, et le rôle de la représentation dans l'apprentissage automatique.
Explore le rôle de l'unité Alice de l'EPFL dans l'apprentissage automatique et l'IA en Europe, en mettant l'accent sur les progrès de la recherche et la collaboration au sein de la communauté de l'IA.
Explore l'évolution historique de la durabilité et de l'impact humain sur la nature, en soulignant l'importance d'intégrer des considérations sociales et environnementales dans les efforts de durabilité.
Explore l'évolution du cloud computing pour prendre en charge les applications IoT et les défis auxquels sont confrontés les algorithmes de deep learning dans le traitement des données à partir de capteurs intelligents.
Explore l'intelligence, la perception et les applications de l'IA dans les véhicules autonomes, en mettant l'accent sur la pensée rationnelle et l'intelligence sociale.
Présente la structure du cours et les concepts fondamentaux de l'apprentissage automatique, y compris l'apprentissage supervisé et la régression linéaire.
Examine les principes d'aménagement du territoire, la législation, les défis et les types de zonage pour la protection de l'environnement et le développement durable.
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.
