Couvre la vectorisation, les fonctions et le contrôle de flux dans Matlab, en soulignant l'importance d'éviter les variables globales et en fournissant des exemples de graphiques simples et de techniques de débogage.
Explore les signaux de débruitage avec des modèles de mélange gaussien et l'algorithme EM, l'analyse de signal EMG et la segmentation d'image à l'aide de modèles markoviens.
Couvre l'intégration de Lebesgue des fonctions simples et l'approximation des fonctions non négatives par le bas en utilisant des fonctions constantes par morceaux.
Explore les services de soutien et l'environnement de Moodle à l'EPFL, y compris les modes de groupe, les outils d'administration, la gestion des cours et les interactions avec les utilisateurs.
Discute de la réglementation et des restrictions concernant l'utilisation des licences de logiciels afin d'assurer la conformité et de prévenir l'utilisation abusive.
Explore les modèles de mélange gaussien pour la classification des données, en mettant l'accent sur la dénigrement des signaux et l'estimation des données originales à l'aide des approches de probabilité et a posteriori.
Couvre les exercices d'objet Python et les questions de syntaxe de base, y compris les classes, les dictionnaires, les opérations de fichiers et les fonctions.
Explore le modèle SNOWPACK pour les applications de physique de la neige et d'hydrologie, y compris le transport de vapeur, l'hydrologie et le changement climatique.