Explore les progrès et les défis dans les peaux électroniques neuromorphes, visant à permettre une utilisation intuitive des membres de remplacement et des robots autonomes.
Couvre la corrélation et les corrélations croisées dans l'analyse des données sur la pollution atmosphérique, y compris les séries chronologiques, les autocorrelations, l'analyse de Fourier et le spectre de puissance.
Explore l'algorithme de transformation de Fourier rapide pour des applications de traitement de signal efficaces, y compris la division des signaux et l'analyse de la complexité.
Explore la densité spectrale de puissance, le théorème de Wiener-Khintchine, l'ergonomie et l'estimation de corrélation dans les signaux aléatoires pour le traitement du signal.
Introduit un cours basé sur des projets en communication et en robotique, mettant l'accent sur des projets pratiques et un apprentissage indépendant pour préparer les étudiants à relever des défis du monde réel.
