This course presents numerical methods for the solution of mathematical problems such as systems of linear and non-linear equations, functions approximation, integration and differentiation, and differential equations.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practi
The student will learn state-of-the-art algorithms for solving differential equations. The analysis and implementation of these algorithms will be discussed in some detail.
This course provides an overview of key advances in continuous optimization and statistical analysis for machine learning. We review recent learning formulations and models as well as their guarantees
Adaptive signal processing, A/D and D/A. This module provides the basic
tools for adaptive filtering and a solid mathematical framework for sampling and
quantization
Couvre les bases de l'analyse numérique, en soulignant l'importance des méthodes numériques dans la résolution de problèmes mathématiques avec des ordinateurs.
Couvre l'organisation des cours, Jupyter Notebook pour l'expérimentation Python, les algorithmes, l'interpolation, la résolution d'équations, les systèmes linéaires et les applications pratiques.
Couvre la représentation de nombres réels dans un ordinateur en utilisant la représentation en virgule flottante et les dangers d'annulation significative de chiffres.
