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'informatique scientifique en neuroscience, en mettant l'accent sur la simulation des neurones et des réseaux à l'aide d'outils comme NEURON, NEST et BRIAN.
Couvre les méthodes Monte Carlo, la réduction de la variance et le contrôle optimal stochastique, explorant les techniques de simulation, l'efficacité et la dynamique d'investissement.
Décrit le programme de maîtrise en sciences et ingénierie informatiques de l'EPFL, détaillant sa structure, ses projets et ses opportunités de carrière pour les diplômés.
Présente les principes fondamentaux de la simulation stochastique, couvrant l'organisation des cours, les modèles de file d'attente, les finances, les statistiques, la physique et les détails des examens.
Explore la modélisation numérique en biomécanique, couvrant les pathologies musculosquelettiques, les objectifs de modélisation, les avantages, les inconvénients, l'histoire et la dynamique des fluides dans les lacunes osseux-implantaires.
Couvre les méthodes d'échantillonnage Hypercube latin et de quasi Monte Carlo pour la simulation stochastique, expliquant l'objectif de la stratification et générant des permutations indépendantes.
Discute de la simulation de la dynamique quantique à plusieurs corps à l'aide de réseaux de neurones artificiels pour surmonter les défis informatiques et stabiliser les solutions.
Explore le flux de travail de simulation numérique pour les CFD parallèles, en mettant l'accent sur les raisons du calcul parallèle, du partitionnement maillé, des mesures de performance et de l'équilibrage de charge dynamique.
