Explore l'apprentissage à partir de données interconnectées avec des graphiques, couvrant les objectifs de recherche modernes de ML, les méthodes pionnières, les applications interdisciplinaires, et la démocratisation du graphique ML.
Couvre l'intégration de l'apprentissage automatique avec la microscopie à sonde à balayage pour une automatisation et une efficacité améliorées dans les flux de travail scientifiques.
Présente MATLAB et GNU Octave, couvrant les concepts de base, l'espace de travail, les types de données, les matrices, l'installation et l'utilisation pratique.
Discute de l'écosystème de la plate-forme mobile, en se concentrant sur le matériel, les systèmes d'exploitation et les principes de développement d'applications.
Couvre les bases de la programmation scientifique pour les ingénieurs, en soulignant l'importance de GIT pour le travail collaboratif et en fournissant un aperçu des défis du développement de logiciels scientifiques.