Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
Couvre les sujets de la chimie quantique, y compris l'histoire, les outils, les techniques de couleur et de dessin, les formes et les conversions mathématiques.
Explore la perspective historique et les postulats de la mécanique quantique, en se concentrant sur l'oscillateur harmonique et les méthodes d'approximation.
Explore les méthodes d'estimation du spectre paramétrique, y compris les spectres linéaires et lisses, et se penche sur l'analyse de la variabilité de la fréquence cardiaque.
Introduit des fonctions en Python, couvrant les fonctions prédéfinies et définies par l'utilisateur, les paramètres formels et efficaces, et l'importance des docstrings.
Offre une introduction complète à la science des données, couvrant Python, Numpy, Pandas, Matplotlib et Scikit-learn, en mettant l'accent sur les exercices pratiques et le travail collaboratif.
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.
Explore la gestion des fichiers et les exceptions dans la programmation Python, couvrant la lecture, l'écriture et les stratégies de gestion des erreurs.
