Présente l'approche de l'espace d'état pour modéliser des systèmes dynamiques et son utilité pour la solution à grande vitesse des équations différentielles et des algorithmes informatiques.
Fournit un examen complet des signaux et des systèmes, couvrant des sujets tels que l'analyse du domaine temporel, l'analyse du domaine de fréquence et la transformation de Fourier.
Couvre les propriétés de la transformée de Fourier à temps discret, y compris la linéarité, les décalages, l'inversion du temps, la différenciation, la convolution, la symétrie conjuguée et la relation de Parseval.
Couvre l'analyse du système dans le domaine fréquentiel pour les systèmes dynamiques, y compris la réponse par paliers, la réponse en fréquence et les diagrammes de Bode.
Couvre l'organisation des cours, Jupyter Notebook pour l'expérimentation Python, les algorithmes, l'interpolation, la résolution d'équations, les systèmes linéaires et les applications pratiques.
Explore la composition, la mise en commun, la continuité, la dénigrement et les architectures CNN populaires pour la segmentation de l'image dans le traitement de l'image.
Introduit des équations différentielles scalaires de premier ordre, des équations d'ordre supérieur, des solutions globales et le processus de sélection des équations.