Couvre les méthodes d'observation en sciences sociales, en mettant l'accent sur l'observation directe et indirecte, l'observation participante et l'ethnographie multi-située.
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Introduit les bases de l'apprentissage automatique, y compris la collecte de données, l'évaluation des modèles et la normalisation des fonctionnalités.
Fournit une vue d'ensemble des concepts d'apprentissage profond, en se concentrant sur les données, l'architecture du modèle et les défis liés à la gestion de grands ensembles de données.
Explore l'évaluation environnementale systémique, l'analyse nationale des flux de matériaux et le développement d'un tableau de bord du métabolisme urbain pour Zurich à l'aide de données ouvertes.
Discute de l'importance de la collecte de données et de la préparation à la classification, y compris les défis d'étiquetage et les méthodes de crowdsourcing.
Explore le panorama de l'enseignement de l'apprentissage automatique à l'EPFL, y compris la coordination des cours, les initiatives de collecte de données et l'intégration éthique.
Explore les risques liés à la protection de la vie privée dans la publication des données, les tentatives ratées de désidentification et l'utilisation de données synthétiques pour la protection de la vie privée.
Se penche sur l'impact de l'apprentissage automatique sur la vie privée, en discutant des attaques, des vulnérabilités et des considérations éthiques dans l'utilisation des données.
Explore les principes d'analyse du cycle de vie et les applications dans les systèmes photovoltaïques intégrés dans les bâtiments, en mettant l'accent sur l'évaluation de la durabilité et l'impact environnemental.