Couvre les bases de Python, les fonctions et les applications pratiques pour les ingénieurs, en mettant l'accent sur la manipulation des données, la programmation fonctionnelle et les structures de données.
Explore l'analyse de l'équilibre dominant dans la résolution du polynôme quintique, révélant des aperçus sur le comportement de la racine et l'importance des expressions symboliques.
Explore les fondamentaux de régression logistique, y compris les fonctions de coût, la régularisation et les limites de classification, avec des exemples pratiques utilisant scikit-learn.
Introduit les bases de Numpy, une bibliothèque de calcul numérique en Python, couvrant les avantages, la disposition de la mémoire, les opérations et les fonctions d'algèbre linéaire.
Explore l'interprétation des modèles, la compilation par l'évaluation partielle, les appels de fonctions et la transition vers l'évaluation partielle, en soulignant l'importance des interprètes modèles pour soutenir les langages de modélisation.
Explore les threads dans la programmation, les défis de données partagées, les verrous et la gestion des threads dans les interfaces graphiques et les applications web.
Couvre le bac à sable de la réalité augmentée, explorant les équipements de détection de profondeur, les dichotomies, les scripts Python pour les interactions 3D et les méthodes de mesure des performances matérielles.
