Se familiariser avec l'environnement de développement scientifique et technique
- Comprendre les principes de base de l'environnement de développement scientifique et technique
- Se familiariser avec les outils de l'environnement de développement scientifique et technique
- Découvrir les différents langages de programmation utilisés dans l'environnement de développement scientifique et technique
- Explorer les domaines d'application de l'environnement de développement scientifique et technique
- Connaître les bonnes pratiques pour l'utilisation de l'environnement de développement scientifique et technique
Pratiquer la programmation scientifique en Python
- Installer et configurer l'environnement de développement pour la programmation scientifique en Python
- Manipuler des données et effectuer des calculs numériques avec Python
- Utiliser les bibliothèques scientifiques Python (NumPy, Pandas, Matplotlib)
- Programmer des algorithmes scientifiques en Python
- Gérer des fichiers de données avec Python
- Optimiser les performances de calcul en Python
Programmer des modèles mathématiques et des simulations avec MATLAB
- Prendre en main l'environnement de développement MATLAB
- Programmer des modèles mathématiques et des simulations avec MATLAB
- Visualiser et analyser les résultats des simulations avec MATLAB
- Optimiser les performances des simulations avec MATLAB
- Utiliser les outils de la boîte à outils de simulation de systèmes dans MATLAB
- Concevoir des contrôles de systèmes avec MATLAB
Créer des visualisations de données interactives avec Tableau
- Prendre en main l'interface de Tableau
- Importer et manipuler des données dans Tableau
- Créer des visualisations de données interactives avec Tableau
- Utiliser les filtres et les actions pour interagir avec les visualisations de données
- Créer des tableaux de bord et des rapports avec Tableau
- Publier et partager des visualisations de données avec Tableau
Traiter des images et des signaux avec MATLAB
- Prendre en main les outils de traitement d'images et de signaux dans MATLAB
- Acquérir, prétraiter et filtrer des signaux avec MATLAB
- Segmenter, classifier et reconnaître des motifs dans les images avec MATLAB
- Analyser spectralement et traiter le signal dans MATLAB
- Utiliser des techniques de filtrage adaptatif pour le traitement du signal dans MATLAB
- Appliquer le traitement d'images et de signaux dans des situations réelles
Se lancer dans l'apprentissage automatique avec Python
- Comprendre les principes de base de l'apprentissage automatique
- Explorer les données et préparer des données pour l'apprentissage automatique
- Utiliser les bibliothèques Python pour l'apprentissage automatique (Scikit-learn, TensorFlow)
