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.
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 des techniques de traitement d'image en Python, en se concentrant sur les opérations de manipulation et de convolution à l'aide de NumPy et Pillow.
Couvre les méthodes numériques pour résoudre les problèmes de valeurs limites en utilisant des méthodes de différence finie, de FFT et d'éléments finis.
Présente les éléments essentiels de LabVIEW pour les ingénieurs, couvrant les boucles, les structures, le flux de données, le traitement des erreurs, les grappes, les chaînes et la personnalisation des graphiques.
Explore les tests de bonté d'ajustement, les tests X2 et les tests d'indépendance dans les statistiques, avec des exemples pratiques et des applications.
Explore les fondamentaux du traitement des signaux, y compris les signaux de temps discrets, la factorisation spectrale et les processus stochastiques.
Couvre les outils de traitement statistique des signaux pour les communications sans fil, en mettant l'accent sur les signaux tels que le train d'impulsions, les signaux harmoniques et les signaux à spectre lisse.
Explore les problèmes thermiques et mécaniques en thermomécanique, couvrant l'équation de la chaleur, la déformation totale et la modélisation de l'analyse des contraintes.
Explore l'analyse des systèmes de fermes non linéaires, couvrant les réponses de déplacement de force, les principes d'événement à événement et les algorithmes de solution.
Couvre les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.
Introduit des bases de traitement d'image en Python, couvrant la manipulation, la conversion à l'échelle grise, la détection des bords et la convolution avec les noyaux.
