Explore les avantages prouvables d'une surparamétrie dans la compression des modèles, en mettant l'accent sur l'efficacité des réseaux neuronaux profonds et sur l'importance du recyclage pour améliorer les performances.
Explore l'utilisation de l'optique dans l'apprentissage automatique, en se concentrant sur la multiplication de matrice aléatoire à grande échelle par diffusion multiple de la lumière.
Explore le traitement adaptatif du signal, la descente de gradient et l'algorithme LMS pour un filtrage efficace et un entraînement au réseau neuronal.
Explore la compression des données grâce à la parcimonie des signaux, remettant en question la nécessité d'enregistrer de grandes quantités de données.
Couvre les leçons d'introduction sur les signaux et les systèmes, le traitement du signal et les applications pratiques telles que la compression d'images et le multimédia.
Introduit un cours basé sur des projets en communication et en robotique, mettant l'accent sur des projets pratiques et un apprentissage indépendant pour préparer les étudiants à relever des défis du monde réel.
Couvre des exemples de traitement du signal, de traitement du signal analogique, de modulation d'amplitude continue, de traitement d'image, de compression, de micro-systèmes et d'électronique médicale.
Fournit un aperçu des projets d'ingénierie, des conseils de dépannage et des démonstrations pratiques sur le traitement du signal et l'intégration Arduino.
Couvre les techniques de binning dans la détection optique à l'aide de dispositifs à transfert de charge pour réduire la résolution de l'image tout en maintenant l'intégrité du signal.