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.
Introduit les bases Python et NumPy pour l'informatique scientifique, couvrant les types de données, les fonctions, les tableaux, l'indexation et les opérations courantes.
Couvre la vectorisation en Python en utilisant Numpy pour un calcul scientifique efficace, en soulignant les avantages d'éviter les boucles et de démontrer des applications pratiques.
Explore la bibliothèque Eigen pour l'algèbre linéaire, couvrant les vecteurs, les matrices, les tableaux, la gestion de la mémoire, le remodelage et les opérations par composant.
Couvre les tableaux NumPy et leurs représentations graphiques à l'aide de Matplotlib, en se concentrant sur les techniques de création, de manipulation et de visualisation des tableaux.
Couvre les bases de la programmation C, en mettant l'accent sur les tableaux et les fonctions, y compris les tableaux 1D et 2D, les opérations de chaîne de caractères, l'allocation de mémoire dynamique et les fichiers de lecture.
Explore le changement des matrices de base en algèbre linéaire, en soulignant l'importance de comprendre les transformations matricielles entre différentes bases.
