Explore la diffusion fiable dans des systèmes distribués, présentant des spécifications, des algorithmes et des propriétés pour différents types de diffusion.
Fournit un aperçu du cours d'analyse numérique à l'EPFL, en se concentrant sur l'organisation du cours, les matériaux et les résultats d'apprentissage.
Discute des techniques de réduction de la variance dans la simulation stochastique, en se concentrant sur les stratégies d'allocation et les algorithmes de génération de répliques.
Introduit les bases de l'algèbre linéaire, du calcul et de l'optimisation dans les espaces euclidien, en mettant l'accent sur la puissance de l'optimisation en tant qu'outil de modélisation.
Explore la correspondance en ligne dans des environnements en évolution, en abordant les défis et les solutions pour adapter les algorithmes à l'évolution des données.
Explore la programmation dynamique du problème Knapsack, en discutant des stratégies, des algorithmes, de la dureté du NP et de l'analyse de la complexité temporelle.
Explore des applications scientifiques d'apprentissage automatique, des défis avec des données éparses et des algorithmes inspirés de la physique pour améliorer les méthodes spectrales.
Explore l'application de l'algorithme SIMPLE dans la résolution des équations de Navier-Stokes et compare les approches de grille décalée par rapport aux approches de grille colocalisée dans les simulations de flux numériques.
