Explore Markov Chain Monte Carlo pour l'échantillonnage des distributions haute dimension et l'optimisation des fonctions à l'aide de l'algorithme Metropolis-Hastings.
Explore le schéma de Verlet, les champs magnétiques, les forces dépendantes de la vitesse et la physique non linéaire à travers des simulations et des exercices.
Explore l'informatique scientifique en neuroscience, en mettant l'accent sur la simulation des neurones et des réseaux à l'aide d'outils comme NEURON, NEST et BRIAN.
Introduit des statistiques inférentielles, couvrant l'échantillonnage, la tendance centrale, la dispersion, les histogrammes, les scores z et la distribution normale.
Explore l'hypothèse de thermalisation d'état propre dans les systèmes quantiques, en mettant l'accent sur la théorie de la matrice aléatoire et le comportement des observables dans l'équilibre thermique.
Couvre l'algorithme Metropolis-Hastings et le diagnostic de convergence dans la simulation stochastique, en se concentrant sur l'échantillonnage et la génération de propositions.
Couvre les bases des réseaux neuronaux, des fonctions d'activation, de la formation, du traitement d'image, des CNN, de la régularisation et des méthodes de réduction de dimensionnalité.
Couvre les concepts fondamentaux dans la conception électronique, y compris les équations de Maxwell, les équations de Kirchoff, les composants actifs, la fabrication de PCB, l'appariement d'impédance et les architectures ADC.
Couvre le terme de diffusion de l'équation de Boltzmann et la diffusion des porteurs, y compris les phonons, les électrons, les photons et les molécules.
