Fournit une vue d'ensemble des concepts d'apprentissage profond, en se concentrant sur les données, l'architecture du modèle et les défis liés à la gestion de grands ensembles de données.
Couvre la présentation du module des utilisateurs clés de l'équipement et son accent sur la planification, le chargement des données et les essais d'intégration.
Explore la qualité des données dans l'analyse du cycle de vie, couvrant le format de l'inventaire, le contrôle, les procédures de mesure, les facteurs d'incertitude et le système d'évaluation de la qualité des données.
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.
Couvre les techniques d'apprentissage supervisées et non supervisées dans l'apprentissage automatique, en mettant en évidence leurs applications dans la finance et l'analyse environnementale.
Introduit le cours sur les systèmes d'information, couvrant sa structure, ses objectifs et ses concepts fondamentaux essentiels à la compréhension de la gestion des données et de la prise de décision.
Introduit des structures de données Python comme des tuples, des listes, des ensembles et des dictionnaires, mettant l'accent sur les techniques de manipulation et de conversion.
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 la technologie des capteurs portables pour les biosignaux et les biocapteurs, en se concentrant sur la surveillance de la pression artérielle et les défis liés aux capteurs biochimiques.