Explore l'apprentissage à partir de données interconnectées avec des graphiques, couvrant les objectifs de recherche modernes de ML, les méthodes pionnières, les applications interdisciplinaires, et la démocratisation du graphique ML.
Couvre l'intégration de l'apprentissage automatique avec la microscopie à sonde à balayage pour une automatisation et une efficacité améliorées dans les flux de travail scientifiques.
Discute de l'histoire et de l'impact des logiciels open source, des données ouvertes et de la science ouverte, en mettant l'accent sur les avantages du partage d'informations à l'ère numérique.
Présente MATLAB et GNU Octave, couvrant les concepts de base, l'espace de travail, les types de données, les matrices, l'installation et l'utilisation pratique.
Couvre les bases logicielles, les données et la transformation numérique, y compris les étapes de développement de logiciels et les solutions open source.
Couvre les bases des systèmes embarqués, le développement FPGA, les systèmes d'exploitation en temps réel et les différents types de systèmes d'exploitation.
