Introduit les bases de l'apprentissage automatique, couvrant l'apprentissage supervisé et non supervisé, la régression linéaire et la compréhension des données.
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 les principes de conception centrés sur l'utilisateur, en soulignant l'importance de l'UX dans les systèmes interactifs et les avantages économiques de pratiques de conception efficaces.
Décrit le cours ME-301 sur les techniques de mesure, en se concentrant sur les principes théoriques et les applications pratiques dans les expériences d'ingénierie.
Couvre les fondements des systèmes de base de données, y compris la modélisation des données, le traitement de l'information et les défis de la gestion d'importants volumes de données.
Explore les personnes utilisatrices, le parcours de l'utilisateur et une séance de questions et réponses avec les utilisateurs finaux, soulignant l'importance de représenter différents types d'utilisateurs.
Explore la diffusion totale et l'analyse PDF dans la science des matériaux, couvrant la synthèse in situ, les techniques d'analyse de données et les applications dans les systèmes hôte-invité.
Introduit l'expérience utilisateur (UX) et la conception centrée sur l'utilisateur (UCD), mettant l'accent sur la compréhension utilisateur et la conception itérative.
Explore la recherche de bugs, la vérification et l'utilisation d'approches aidées à l'apprentissage dans le raisonnement de programme, montrant des exemples comme le bug Heartbleed et le raisonnement bayésien différentiel.
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
Se penche sur la physialisation des données, l'expressivité, la visualisation féministe et l'équilibre entre l'exploration et l'explication de la visualisation des données.