Concept

Monolithic kernel

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Séances de cours associées (32)

Gestion des exceptions en Python

Couvre la gestion des exceptions en Python, y compris try, raise, except, else, et enfin blocks, avec des exemples.

Types booléens et structures de contrôle

Explore les types booléens, les opérateurs logiques et les structures de contrôle en Python, en mettant l'accent sur l'évaluation des expressions et l'utilisation des opérateurs relationnels.

Jupyter Notebook: Computing Interactive and Computational Narratives

Introduit Jupyter Notebook pour composer des programmes interactifs avec du code en direct et du texte narratif, couvrant l'installation, les cellules de code, le texte Markdown, les widgets et la gestion du noyau.

Fonctions récursives : exemples et applications

Explore les fonctions récursives, y compris les factorielles et les séquences de Fibonacci, ainsi que leur étendue et leurs espaces de noms.

Opérations de séquences communes

Couvre les opérations courantes sur des séquences comme les listes et les tuples, y compris le découpage, l'extension et le remplacement d'éléments.

SVM non linéaire : Noyaux et double optimisation

Explore la transformation des données avec des cartes non linéaires, des noyaux, une double optimisation et l'interprétation des résultats SVM.

Réponse linéaire optimale : systèmes dynamiques stochastiques

Explore une réponse linéaire optimale pour les systèmes dynamiques stochastiques, s'attaquant aux perturbations et à l'optimisation de la vitesse de mélange.

Transformations linéaires : matrices et noyaux

Couvre les transformations linéaires, les matrices, les noyaux et les propriétés des matrices inversible.

Représentations unitaires : Lemme de Schur

Explique le lemme de Schur sur les représentations unitaires et leurs propriétés d'irréductibilité et d'invariance.

Feature Maps et Noyaux

Couvre les cartes de fonctionnalités, le théorème de Representer, les noyaux et RKHS dans l'apprentissage automatique.

Atelier Coq: Types de données inductives et preuves

Couvre la définition d'un type de données inductives dans Coq et la façon de construire des preuves de manière interactive en utilisant des tactiques.

Régression : Exercices

Couvre les exercices sur les fonctions de régression à l'aide de RLS, WLS et LWR.

Mesures d'information: Partie 2

Couvre les mesures d'information telles que l'entropie, l'entropie articulaire et l'information mutuelle dans la théorie de l'information et le traitement des données.

Extension de la fonctionnalité: Amandes et KNN

Les couvertures comportent l'expansion, les noyaux et les voisins K-nearest, y compris la non-linéarité, SVM, et les noyaux gaussiens.

Bases de programmation Python

Couvre les bases de la programmation Python, en se concentrant sur les structures de contrôle de flux, le mode interactif, le mode script et les variables.

Opérations de dictionnaire

Couvre les opérations et les méthodes liées aux dictionnaires en Python, y compris la création, la mise à jour et la gestion des erreurs clés.

Opérations de chaînes : bases et méthodes

Couvre les bases et les méthodes des opérations de chaîne en Python, y compris le découpage, l'indexation et le formatage.

Objets Mutables et Immutables

Explique les différences entre les objets muables et immuables en Python et couvre les types de conteneurs natifs.

Théorème de Mercer et noyaux

Explore le théorème de Mercer, les noyaux et leur rôle dans les applications d'apprentissage automatique.

Applications linéaires: Matrices et théorème de rang

Explore les applications linéaires, les matrices, les rangs, les noyaux et les dimensions en algèbre linéaire.