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.
Couvre l'analyse des données sur la pollution atmosphérique, en se concentrant sur les bases de R, en visualisant des séries chronologiques et en créant des résumés des concentrations de polluants.
Explore l'évaluation environnementale systémique, l'analyse nationale des flux de matériaux et le développement d'un tableau de bord du métabolisme urbain pour Zurich à l'aide de données ouvertes.
Introduit des statistiques descriptives, une quantification de l'incertitude et des relations variables, soulignant l'importance de l'interprétation statistique et de l'analyse critique.
Couvre l'analyse des données neurophysiologiques, y compris la détection AP, le calcul de la vitesse de tir et l'analyse spectrale, en mettant l'accent sur la prédiction des classes cellulaires.
Couvre les principes fondamentaux de la science des données, l'évolution des méthodes scientifiques, le rôle d'un data scientist et l'importance des données en tant que nouveau pétrole.
Explore l'utilisation d'IfcOpenShell pour travailler avec les modèles d'information sur le bâtiment et les avantages des outils open-source dans l'architecture.
Couvre les concepts fondamentaux en probabilité et en statistiques, en mettant l'accent sur les techniques d'analyse de données et la modélisation statistique.
Couvre les principes fondamentaux de la science des données, en mettant l'accent sur la profondeur et l'application pratique dans l'apprentissage automatique et l'analyse de données.
Explore le développement collaboratif de Debian, une distribution Linux open source, en soulignant l'importance de contribuer aux bases de code existantes et de mettre en place un environnement de développement avec suivi des bogues.
Explore la gestion des utilisateurs dans les humanités numériques, en se concentrant sur la modélisation, la motivation et l'engagement, avec des idées de Twitter, Quora et Wikipedia.
Explore les techniques de regroupement de comportement et de réduction de dimensionnalité non supervisées, couvrant des algorithmes comme K-Means, DBSCAN et Gaussian Mixture Model.
Couvre l'introduction aux outils MATLAB et fournit des instructions d'installation pour l'analyse de flux basée sur la thermodynamique, y compris les pré-exigences comme GIT et CPLEX.
Se penche sur l'application de l'apprentissage automatique dans les enquêtes sur les droits de l'homme, en mettant l'accent sur la transparence, la confiance et les considérations éthiques.
Couvre les cadres de données Spark, les collections distribuées de données organisées en colonnes nommées, et les avantages de les utiliser sur les DDR.
Explore l'invariance, la causalité et la robustesse de l'analyse des données, en abordant les défis et les implications pour la généralisation de la distribution.
