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.
La pair-aidance est une trajectoire de rétablissement en santé, qui repose sur une entraide entre personnes étant ou ayant été atteintes d'une maladie somatique ou psychique. Cette pratique est de plus en plus recommandée dans le cadre de l'autonomisation des patients en santé mentale, d'une amélioration du respect des droits de l'homme en santé mentale ainsi que d'une condition pour accomplir l'idée de rétablissement en santé mentale (officiellement depuis 2005 au Québec, en lien avec plusieurs universités). Si le domaine de la psychiatrie en fut précurseur, on considère aujourd'hui plus largement comme « pair-aidant » un individu étant ou ayant vécu les situations subies par un groupe stigmatisé ou minoritaire, et souhaitant apporter son aide dans les situations qu'il connaît, envers une communauté pour laquelle il se sent concerné et par laquelle il est accepté ; On trouve ainsi des pair-aidants dans des domaines aussi variés que la toxicomanie, la grande précarité, le stress post-traumatique ou encore de la prostitution. L'entraide existe depuis que l'humanité existe, mais la notion de pair-aidance semble s'être formalisée et développée aux États-Unis dans les années 1970, dans le cadre de la vague d'une révolte de patients envers les pronostics fatalistes de médecins et d'une volonté de reprendre le pouvoir sur leurs vies. La pair-aidance a continué à se développer en Amérique du Nord. Apparentée ou associée à la psychothérapie, elle est dans certains pays (Canada par exemple) devenue un métier reconnu, de soutien à la prévention, à la guérison et à la réadaptation, explicitement incluse et valorisée dans certaines stratégies nationales (ex : Plan d’action interministériel en santé mentale 2022-2026 ; Programme québécois pour les troubles mentaux ou PQPTM). Aux États-Unis, l'Obamacare a permis que le pair aidant soit remboursé par les compagnies d'assurances. Dans ces cas, le pair-aidant est une personne qui a transformé son expérience vécue en savoir expérientiel, mais qui a aussi reçu une formation complémentaire, et généralement effectué des stages de pair-aidance (préparant par exemple au travail en contexte hospitalier).
[2]Paolo Prandoni, [3]LCAV, EPFL
In [1]:
import matplotlib.pyplot as plt
import numpy as np
import scipy.signal as sp
import seaborn as sns
sns.set()
In [2]:
plt.rcParams["figure.figsize"] = (14,4)
The basic reproduction number[4]¶
The propagation mechanism of an epidemic such as the one caused by
SARS-CoV-2 virus can be roughly modeled, at least in its inital phase,
as a process in which each infected individ [2]Paolo Prandoni, [3]LCAV, EPFL
In this notebook we will design and use filters to extract specific
audio frequencies from a music file.
In [1]:
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import IPython
import scipy.signal as sp
from scipy.io import wavfile
infringment...)
In [2]:
IPython.display.Audio(s, rate=SF)
Out[2]:
Your browser does not support the audio element.
[2]Paolo Prandoni, [3]LCAV, EPFL
In this notebook we will investigate the effect of phase on the
perceptual quality of a sound. It is often said that the human ear is
commercial-grade audio equipment takes place in the magnitude domain
only.
In [1]:
%matplotlib inline
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import IPython
from scipy.io import wavfile
In [2]:
plt.rcParams["figure.fig [2]Paolo Prandoni, [3]LCAV, EPFL
In this notebook we will use the adaptive LMS filter to estimate the
impulse response of a reverberating room.
A typical use case is handsfree telephony: since the received signal,
amplified and played by the speaker, is picked up by the microphone, we
need to eliminate it from the signal that is transmitted back in order
to avoid a feedback loop. The signal picked up by the microph [2]Paolo Prandoni, [3]LCAV, EPFL
The Karplus-Strong algorithm is a simple method to generate synthetic
sounds with arbitrary pitch. In this notebook we will explore a few
variations of the method to illustrate some basic notions of
discrete-time signal processing.
In [1]:
%matplotlib inline
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import IPython
In [2]:
plt.rcParams["figure.figsize"]