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.
Couvre les bases de la programmation Python, en se concentrant sur les structures de contrôle de flux, le mode interactif, le mode script et les variables.
Couvre les méthodes de calcul se concentrant sur les chemins et les chaînes de caractères, y compris des exemples de concaténation, d'éléments régex et d'opérations de chaînes de caractères.
Explore les types booléens, les opérateurs logiques et les structures de contrôle en Python, en mettant l'accent sur l'évaluation des expressions et l'utilisation des opérateurs relationnels.
Introduit des techniques de traitement d'image en Python, en se concentrant sur les opérations de manipulation et de convolution à l'aide de NumPy et Pillow.
Couvre les modèles neuronaux hybrides, l'histologie nerveuse, la restauration sensorielle et la stimulation cérébrale profonde dans les neuroprothèses.
Discute des techniques de traitement d'image, en se concentrant sur la sculpture de coutures et la manipulation de pixels dans la programmation Python.
Couvre les exercices corrigés de l'examen 2020 dans le domaine de la robotique, y compris des sujets tels que la précision, la vitesse, les moteurs à courant continu, le rapport d'engrenage optimal, la dynamique des bras de robot, les encodeurs et la cinématique.
Explore l'utilisation d'extensions visuelles, telles que la réalité virtuelle et la réalité augmentée, pour améliorer l'efficacité et la communication sur le lieu de travail.
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.
Explore l'application du modèle Weibull aux données aléatoires et son importance dans l'analyse de la force matérielle et de la probabilité de défaillance.
