Explore l'apprentissage multi-tâches pour l'optimisation accélérée des réactions chimiques, les défis de mise en évidence, les workflows automatisés et les algorithmes d'optimisation.
Explore la définition de solutions de conception, l'optimisation multidisciplinaire et les défis liés à l'optimisation de la conception des systèmes, y compris les racines et la motivation derrière l'optimisation de la conception multidisciplinaire.
Explore l'application de modèles générateurs profonds dans la découverte de médicaments, en mettant l'accent sur la conception de petites molécules et l'optimisation des structures moléculaires.
Couvre l'évaluation de la stabilité des protéines en utilisant RFP et GFP, la cytométrie de flux, la mutagénèse, les rapporteurs de calcium et les expériences CRISPR-Cas9.
Couvre les bases des études d'impact environnemental, y compris les approches multidisciplinaires, les présentations de projets et les projets de groupe.
Sur Convex Optimization couvre l'organisation des cours, les problèmes d'optimisation mathématique, les concepts de solution et les méthodes d'optimisation.
Explore l'optimisation de l'énergie dans les systèmes de mémoire, en soulignant l'importance des hiérarchies de mémoire et des compromis entre fiabilité et actualité.
Introduit l’approche d’apprentissage par projet de l’EPFL pour optimiser les systèmes énergétiques à travers la théorie, les tâches de projet et les outils.
Couvre l'application et l'optimisation d'un système de pompe à chaleur en deux étapes, en mettant l'accent sur la modélisation et l'optimisation précises pour les systèmes énergétiques.
Explore l'optimisation de la conception des capteurs et des protéines bioluminescentes pour la surveillance des médicaments et la visualisation des métabolites.
Explore la descente de gradient riemannienne, couvrant les expansions de Taylor, les conditions d'optimalité, les modèles d'algorithmes, la recherche de lignes et les points critiques.
