Introduit des concepts fondamentaux de programmation C, couvrant les variables, les structures de contrôle, les fonctions et les pointeurs, avec des exemples pratiques et des exercices.
Couvre les principes fondamentaux de l'apprentissage profond, y compris les données, l'architecture et les considérations éthiques dans le déploiement de modèles.
Couvre la régression polynôme, la descente en gradient, le surajustement, le sous-ajustement, la régularisation et la mise à l'échelle des caractéristiques dans les algorithmes d'optimisation.
Explore les défis et les solutions dans l'analyse des grandes données multidimensionnelles, en mettant l'accent sur les types de données complexes et la détection d'anomalies.
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.
Explore le sous-ajustement, le surajustement, les hyperparamètres, le compromis biais-variance et l'évaluation de modèle dans l'apprentissage automatique.
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.
