Programmation et données numériques M1 Physique Appliquée: Difference between revisions

From Wiki Cours
Jump to navigation Jump to search
No edit summary
Line 11: Line 11:
* programmation orientée objet: classe, héritage, itérateurs, bibliothèques
* programmation orientée objet: classe, héritage, itérateurs, bibliothèques
* TDs 1 à 4  (8h)
* TDs 1 à 4  (8h)
<math>
\mathrm{Tr}A = \displaystyle \sum_i a_{ii}
</math>
<source lang="py">
from matplotlib import *
a = [0]*10
for i in range(10):
    a[i] = i**2
(resfalse,restrue)[bool]
</source>


== Numérisation de l'information (5h) ==
== Numérisation de l'information (5h) ==

Revision as of 11:13, 14 July 2015

Préambule

Langages de programmation et algorithmes (6h)

  • pourquoi un langage, pourquoi plusieurs langages? niveaux de langages, langage interprétés, scripts.
  • types de base: représentation des entiers, booléens réels, caractères, vers les objets nombres complexes, adresse/pointeur structure de données: vecteurs, listes, dictionnaires, arbres, queues, piles
  • algorithmes génériques: itérateurs, tri, recherche
  • programmation orientée objet: classe, héritage, itérateurs, bibliothèques
  • TDs 1 à 4 (8h)

Numérisation de l'information (5h)

  • représentation numérique des signaux: sons, images, couleurs, caractères ASCII texte structuré et enrichi (latex, html)
  • représentation graphique des signaux: interface graphique, dessins vectoriel, fontes, formats numériques: pdf, svg, ps
  • architecture des ordinateurs, mémoire, horloge, système d'exploitation
  • stockage de l'information (fichiers), compression, format suite: jpeg etc...
  • produire l'information: notion de temps, horloge, machines, capteurs
  • échange d'information, réseaux, protocoles, cryptage
  • TDs 5 à 6 (4h)

Traitement du signal (cours séparé)

  • statistiques: densité de probabilité, moyenne, variance, corrélations
  • transformation de Fourier discrète, analyse spectrale
  • convolution, filtrage, traitement de l'image
  • TDs 7 à 11 (10h)

Incertitudes, ajustement des données et modélisation (4h)

  • incertitudes expérimentales
  • ajustement des données
  • optimisation et modélisation
  • machine learning
  • TDs 12 à 15 (8h)