Data Science
Toute série de données constitue un signal. En sciences de l’univers, les données sont fournies parfois en grand nombre et leur traitement constitue un challenge en soi. Mais même dans les cas simples, il est utile de connaître les fondamentaux : la notion de fréquence, de décomposition sur une base de sinusoïdes, un spectre de Fourier etc.
Contenu :
- Fourier II (18h)
- Distribution de Dirac (2h)
- Transformée de Fourier, convolution, TF de fonctions usuelles, eq. diff. (6h)
- Traitement du signal (10h)
- La convolution et la physique linéaire
- Fonctions de Green
- Troncature
- Discrétisation
- TFD et FFT
- Apodisation, tendance
- Programmation de ces concepts (4 séances de TP)
- IA/Data science (6h)
- ACP (2h)
- Introduction a la classification (méthode des k-means) (2h)
- Introduction aux réseaux de neurones (2h)