Discute des méthodes numériques, en se concentrant sur les critères d'arrêt, SciPy pour l'optimisation et la visualisation des données avec Matplotlib.
Couvre les tableaux NumPy et leurs représentations graphiques à l'aide de Matplotlib, en se concentrant sur les techniques de création, de manipulation et de visualisation des tableaux.
Couvre l'interpolation de Lagrange et son application dans les techniques d'intégration numérique, en se concentrant à la fois sur les méthodes non composites et composites de quadrature.
Couvre les effets de transfert de chaleur internes dans des réactions hétérogènes, en mettant l'accent sur les nombres sans dimension et les effets de transport.
Explore les relations entre les événements, les contraintes disjonctives et la modélisation avec des variables binaires dans les problèmes d'optimisation.
Présente les concepts de programmation Python, en se concentrant sur les dictionnaires et les classes, y compris leurs définitions, leur utilisation et des exemples pratiques.