Explore la simulation numérique de problèmes constants de convection-diffusion, de discrétisation, de conditions aux limites et d'assemblage de systèmes algébriques.
Explore la stabilité zéro et la stabilité absolue dans les méthodes numériques, y compris Forward Euler, Backward Euler, Crank-Nicolson, et les méthodes Heun.
Introduit les bases de Numpy, une bibliothèque de calcul numérique en Python, couvrant les avantages, la disposition de la mémoire, les opérations et les fonctions d'algèbre linéaire.
Explore les bases des réseaux neuraux, le problème XOR, la classification et les applications pratiques comme la prévision des données météorologiques.
Couvre l'environnement informatique pour les exercices de dynamique moléculaire et de Monte Carlo, en mettant l'accent sur la compréhension théorique plutôt que sur les compétences de codage.