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.
Fournit une vue d'ensemble des techniques de hachage et de tri dans les systèmes de gestion de bases de données, en mettant l'accent sur leur mise en œuvre et l'optimisation des performances.
Explore l'anatomie du disque magnétique, l'organisation du cache, les organisations de fichiers, la gestion des tampons et la mise en page dans le SGBD.
Introduit l'apprentissage non supervisé en cluster avec les moyennes K et la réduction de dimensionnalité à l'aide de PCA, ainsi que des exemples pratiques.
Couvre l'apprentissage non supervisé, en mettant l'accent sur la réduction de la dimensionnalité et le regroupement, en expliquant comment il aide à trouver des modèles dans les données sans étiquettes.
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.
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.
Explore l'évolution du durcissement et de la déformation plastique dans les matériaux, en mettant l'accent sur la relation entre les incréments de contrainte et les déformations plastiques.
Couvre la visualisation et le post-traitement des sorties d'éléments finis dans Abaqus / CAE 6.14-1, y compris l'extrapolation des contraintes, la moyenne et la visualisation de champ 3D.