Cours

PHYS-231: Data sciences

Résumé

This course introduces tools for data analysis in physics: numerical linear algebra, regression, dimensionality reduction, probability, statistics, uncertainty quantification, random walks, Monte Carlo methods and phase transitions, with Python exercises.

Séances de cours

Enseignant·e

Lenka Zdeborová

Lenka Zdeborová is a Professor of Physics and of Computer Science in École Polytechnique Fédérale de Lausanne where she leads the Statistical Physics of Computation Laboratory. She received a PhD in physics from University Paris-Sud and from Charles University in Prague in 2008. She spent two years in the Los Alamos National Laboratory as the Director's Postdoctoral Fellow. Between 2010 and 2020 she was a researcher at CNRS working in the Institute of Theoretical Physics in CEA Saclay, France. In 2014, she was awarded the CNRS bronze medal, in 2016 Philippe Meyer prize in theoretical physics and an ERC Starting Grant, in 2018 the Irène Joliot-Curie prize, in 2021 the Gibbs lectureship of AMS. She is an editorial board member for Journal of Physics A, Physical Review E, Physical Review X, SIMODS, Machine Learning: Science and Technology, and Information and Inference. Lenka's expertise is in applications of concepts from statistical physics, such as advanced mean field methods, replica method and related message-passing algorithms, to problems in machine learning, signal processing, inference and optimization. She enjoys erasing the boundaries between theoretical physics, mathematics and computer science.

Source officielle

https://edu.epfl.ch/coursebook/fr/data-sciences-PHYS-231

Page Moodle

http://go.epfl.ch/PHYS-231

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.

Résumé

Séances de cours

Enseignant·e

Lenka Zdeborová

Source officielle

https://edu.epfl.ch/coursebook/fr/data-sciences-PHYS-231

Page Moodle

http://go.epfl.ch/PHYS-231

Séances de ce cours (2)

Propagation de l'incertitude: Probabilité Densité Fonction

Couvre la propagation de l'incertitude par la génération de fonctions de densité de probabilité.

Propagation de l'incertitude : Mesures du modèle

Couvre la propagation de l'incertitude dans les mesures du modèle et l'importance de comprendre les erreurs.