Couvre les optimisations avancées de Spark, la gestion de la mémoire, les opérations de brassage et les stratégies de partitionnement des données pour améliorer l'efficacité du traitement des données volumineuses.
Étudier la mesure et l'opérationnalisation des résultats dans la gestion de la fièvre chez les enfants de moins de cinq ans au moyen d'exemples et d'approches de collecte de données.
Introduit un cours sur l'apprentissage automatique des données comportementales à l'EPFL, couvrant les algorithmes ML, le traitement des données et l'évaluation des modèles.
Explore la déanonymisation à l'aide d'ensembles de données publics de Netflix, en mettant l'accent sur l'appariement des utilisateurs et l'évaluation des films en fonction des cotes.
Couvre l'intégration de l'apprentissage automatique avec la microscopie à sonde à balayage pour une automatisation et une efficacité améliorées dans les flux de travail scientifiques.
Explore l'évolution de l'analyse des données à l'IA et au ML, en mettant l'accent sur les mégadonnées, l'apprentissage automatique et l'interaction avec les médias sociaux.
Explore l'apprentissage automatique atomistique, intégrant les principes physiques dans les modèles pour prédire avec précision les propriétés moléculaires.
Introduit les principes fondamentaux du traitement des données, soulignant l'importance des Pandas et de la modélisation des données pour une analyse efficace.
Détails d'un projet de stage axé sur l'amélioration de la précision de la génération de code en utilisant de grands modèles de langage et un nouveau cadre appelé EPIGEN.
Explore l'importance de l'analyse comparative entre les sexes dans la recherche de mise en oeuvre sur les maladies de la pauvreté, en mettant l'accent sur les objectifs transformatifs et l'inclusivité.
