Introduit des outils collaboratifs de science des données comme Git et Docker, en mettant l'accent sur le travail d'équipe et les exercices pratiques pour un apprentissage efficace.
Offre une introduction complète à la science des données, couvrant Python, Numpy, Pandas, Matplotlib et Scikit-learn, en mettant l'accent sur les exercices pratiques et le travail collaboratif.
Explore la modélisation de la qualité de l'eau, en mettant l'accent sur les réactions chimiques au carbonate et l'utilisation du logiciel PHREEQC pour les simulations d'adoucissement de l'eau.
Se concentre sur les fonctions avancées de pandas pour la manipulation, l'exploration et la visualisation des données avec Python, en soulignant l'importance de la compréhension et de la préparation des données.
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.
Explore l'impact de la détection de particules sur les systèmes quantiques, y compris les résultats énergétiques, le comportement de la fonction d'onde et l'approximation de l'état propre.
Discute de l'optimisation par rapport à la simulation dans l'ingénierie des systèmes énergétiques, les réseaux de chauffage urbain et les directives d'écriture scientifique.
