Programmation et données numériques M1 Physique Appliquée

Organisation

Équipe pédagogique

Programmation et données numériques

• Cours : Guillaume Roux
• TDs : Aurélien Grabsch, François Orieux & Guillaume Roux

Traitement du signal (cours associé)

• Cours : Alain Abergel & François Orieux
• TDs : Jean-François Bryche, Clément Martinache & François Orieux

Emploi du temps

• lien vers le site du master PAM : informations pratiques

Préambule

• installer Python
• Références générales et conseils de lecture
• Memento Python

Contenu approximatif du cours

Langages de programmation et algorithmes (6h)

• Notions de base sur l'architecture d'un ordinateur: processeur, mémoire vive, périphériques.
• Généralités sur les langages de programmation
• Introduction au langage Python: types de base et conteneurs, fonction, boucle, modules
• Programmation orientée objet: classe, surcharge, héritage, bibliothèques
• notes de cours : Cours1 - Cours2 (complémentée par le memento)
• Travaux dirigés:
  • TD1 - Corrige
  • TD2 - Corrige
  • TD3 - Corrige

Lectures complémentaires, principalement wikipedia:

• Informatique
• Processeur
• Langage de programmation - Compilateur - Bibliothèque logicielle - Programmation orientée objet
• C - C++ - Python

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
• 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)