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.
Couvre Zenodo, un dépôt général en libre accès développé dans le cadre du programme européen OpenAIRE et exploité par le CERN, soulignant l'importance de la publication des données et de ses principales caractéristiques.
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.
Explore les polygones, les polyèdres, la régularité et les configurations étoilées en géométrie euclidienne, mettant en évidence le contexte historique et les limites.
Explore la gestion des fichiers et les exceptions dans la programmation Python, couvrant la lecture, l'écriture et les stratégies de gestion des erreurs.
Couvre le potentiel et les limites des techniques de vectorialisation automatique pour numériser des objets à partir de documents ou d'images numérisés.
Couvre la vectorialisation automatique dans les systèmes d'information géographique, y compris la détection de la structure, la polygonisation et le traçage automatique.
Couvre les techniques de traitement de l'image, y compris l'ajout de bruit, le filtrage et l'amélioration de l'image à l'aide de divers filtres et outils.
