Discute des méthodes numériques, en se concentrant sur les critères d'arrêt, SciPy pour l'optimisation et la visualisation des données avec Matplotlib.
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 de recherche de racines, en se concentrant sur les techniques de bisection et de sécante, leurs implémentations et les comparaisons de leurs taux de convergence.
Explore la modélisation constitutive en géomécanique, en mettant l'accent sur le comportement stress-souche et l'application de modèles élastiques dans les méthodes analytiques et numériques.
Discute de la rétroaction de l'évaluation, de la convergence, de l'analyse des erreurs et des étapes temporelles adaptatives dans les simulations physiques.
Couvre les fonctions d'intégration sur les surfaces des graphes dans le calcul vectoriel, en mettant l'accent sur l'interprétation du théorème de divergence et des cas spéciaux de domaine entre deux graphes.
Explorer la résolution Connect Four en utilisant des algorithmes de théorie de jeu et compare la taille Alpha-Beta avec la recherche d'arbre Monte-Carlo.