Séance de cours

Décay de turbulence et Émergence du chaos

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

ME-467: Turbulence

This course provides an introduction to the physical phenomenon of turbulence, its probabilistic description and modeling approaches including RANS and LES. Students are equipped with the basic knowledge to tackle complex flow problems in science and engin ...

Description

Cette séance de cours couvre l'analyse de la désintégration des turbulences et de l'émergence du chaos dans le contexte d'un projet de type recherche pour le cours ME467. Les étudiants étudieront comment la turbulence se désintègre à partir de données expérimentales provenant d'un tunnel éolien et analyseront l'émergence du chaos à partir d'une équation d'évolution déterministe. Le projet se compose de deux parties : analyser les données d'une expérience de tunnel éolien et étudier comment le chaos émerge d'une équation d'évolution déterministe. Les étudiants utiliseront MATLAB ou Python pour l'analyse des données et la rédaction de rapports, en suivant des lignes directrices et des règles spécifiques. La date limite pour la soumission du projet est le 7 juin 2021, et la collaboration avec les camarades de classe est encouragée dans des limites précises.

Enseignant·e

Tobias Schneider

Tobias Schneider is an assistant professor in the School of Engineering at EPFL, the Swiss Federal Institute of Technology Lausanne. He received his doctoral degree in theoretical physics in 2007 from the University of Marburg in Germany working on the transition to turbulence in pipe flow. He then joined Harvard University as a postdoctoral fellow. In 2012 Tobias Schneider returned to Europe to establish an independent Max-Planck research group at the Max-Planck Institute for Dynamics and Self-Organization in Goettingen. Since 2014, he is working at EPFL, where he teaches fluid mechanics and heads the 'Emergent Complexity in Physical Systems' laboratory. Tobias Schneider's research is focused on nonlinear mechanics with specific emphasis on spatial turbulent-laminar patterns in fluid flows transitioning to turbulence. His lab combines dynamical systems and pattern-formation theory with large-scale computer simulations. Together with his team, Schneider develops computational tools and continuation methods for studying the bifurcation structure of nonlinear differential equations such as those describing the flow of a fluid. These tools are published as open-source software at channelflow.ch. Publications: Google Scholar

Source officielle

Concepts associés (22)

Analyse des données

L’analyse des données (aussi appelée analyse exploratoire des données ou AED) est une famille de méthodes statistiques dont les principales caractéristiques sont d'être multidimensionnelles et descriptives. Dans l'acception française, la terminologie « analyse des données » désigne donc un sous-ensemble de ce qui est appelé plus généralement la statistique multivariée. Certaines méthodes, pour la plupart géométriques, aident à faire ressortir les relations pouvant exister entre les différentes données et à en tirer une information statistique qui permet de décrire de façon plus succincte les principales informations contenues dans ces données.

Exploratory data analysis

In statistics, exploratory data analysis (EDA) is an approach of analyzing data sets to summarize their main characteristics, often using statistical graphics and other data visualization methods. A statistical model can be used or not, but primarily EDA is for seeing what the data can tell us beyond the formal modeling and thereby contrasts traditional hypothesis testing. Exploratory data analysis has been promoted by John Tukey since 1970 to encourage statisticians to explore the data, and possibly formulate hypotheses that could lead to new data collection and experiments.

Python (langage)

Python (prononcé ) est un langage de programmation interprété, multiparadigme et multiplateformes. Il favorise la programmation impérative structurée, fonctionnelle et orientée objet. Il est doté d'un typage dynamique fort, d'une gestion automatique de la mémoire par ramasse-miettes et d'un système de gestion d'exceptions ; il est ainsi similaire à Perl, Ruby, Scheme, Smalltalk et Tcl.

Recherche scientifique

vignette|Une laborantine du Laboratoire fédéral d'essai des matériaux et de recherche (EMPA) à Saint-Gall, en 1964. La recherche scientifique est, en premier lieu, l’ensemble des actions entreprises en vue de produire et de développer les connaissances scientifiques. Par extension métonymique, on utilise également ce terme dans le cadre social, économique, institutionnel et juridique de ces actions. thumb|Allégorie de la Recherche, bronze par , 1896, Thomas Jefferson Building.

History of Python

Python (programming language) The programming language Python was conceived in the late 1980s, and its implementation was started in December 1989 by Guido van Rossum at CWI in the Netherlands as a successor to ABC capable of exception handling and interfacing with the Amoeba operating system. Van Rossum is Python's principal author, and his continuing central role in deciding the direction of Python is reflected in the title given to him by the Python community, Benevolent Dictator for Life (BDFL).

Afficher plus

Séances de cours associées (64)

Introduction générale à la science des données

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.

Science collaborative des données : outils et techniques

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.

Data Wrangling avec Hive : gérer efficacement le Big Data

Couvre les techniques de querelles de données en utilisant Apache Hive pour une gestion efficace des big data.

Introduction à l'analyse des données appliquées

Introduit le cours d'analyse de données appliquées, en mettant l'accent sur les outils de science des données et le travail de projet.

L'essentiel de la science des données

Couvre l'essentiel de la science des données, y compris le traitement, la visualisation et l'analyse des données, en mettant l'accent sur les compétences pratiques et l'engagement actif.

Afficher plus

Concepts associés (22)

Analyse des données

Exploratory data analysis

Python (langage)

Recherche scientifique

History of Python

Afficher plus