Explore l'utilisation de Jupyter Notebooks pour l'enseignement, en mettant l'accent sur la collecte de commentaires et l'engagement des étudiants par le biais de sondages en direct, de quiz et d'enquêtes.
S'inscrit dans le projet Time Machine de Lausanne, mettant l'accent sur l'histoire urbaine numérique et la création de cartes historiques interactives.
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.
Couvre les bases de l'analyse numérique et des méthodes de calcul utilisant Python, en se concentrant sur les algorithmes et les applications pratiques en mathématiques.
Déplacez-vous dans les techniques avancées d'optimisation Spark, en mettant l'accent sur la partition des données, les opérations de shuffle et la gestion de la mémoire.
Couvre les fondamentaux des écosystèmes de big data, en se concentrant sur les technologies, les défis et les exercices pratiques avec le HDFS d'Hadoop.
Explore la gestion des fichiers et les exceptions dans la programmation Python, couvrant la lecture, l'écriture et les stratégies de gestion des erreurs.
Se concentre sur les fonctions avancées de pandas pour la manipulation, l'exploration et la visualisation des données avec Python, en soulignant l'importance de la compréhension et de la préparation des données.
Couvre les techniques de génération de rythme, y compris les modèles Markov et la génération de rythme hiérarchique, en mettant l'accent sur l'étude de Nancarrow 14.