PHYS-231 / 4 crédits

Enseignant: Zdeborová Lenka

Langue: Français


Résumé

Ce cours présentera les bases de l'analyse des données et de l'apprentissage à partir des données, l'estimation des erreurs et la stochasticité en physique. Les concepts seront introduits théoriquement ainsi que via des exercices numériques réalisés en Python.

Contenu

** Méthodes et algorithmes d'analyse de données de base, régression linéaire, analyse en composantes principales et leurs applications. Outils numériques pour l'algèbre linéaire. Introduction à l'apprentissage automatique à partir des données.

 

** Quantification de l'incertitude des mesures physiques. Propagation des erreurs.

 

** Estimation et inférence statistiques et leurs applications en physique.


** Stochasticité dans les systèmes physiques, marches aléatoires et mouvement brownien. Échantillonnage de distributions de probabilité. Applications de la loi des grands nombres et du théorème central limite en physique.

 

Acquis de formation

A la fin de ce cours l'étudiant doit être capable de:

  • Utiliser des outils de base pour l'analyse des données.
  • Calculer les barres d'erreur dans les expériences de physique.

Méthode d'enseignement

2h de cours + 2h d'exercices (exercices majoritairement sur ordinateur)

Méthode d'évaluation

Examen écrit final comptant pour 50% et plusieurs exercices et projets notés durant le semestre comptant pour les 50% restants.

Encadrement

Assistants Oui
Forum électronique Oui

Ressources

Service de cours virtuels (VDI)

Oui

Bibliographie

Notes de cours

Liens Moodle

Dans les plans d'études

  • Semestre: Automne
  • Forme de l'examen: Ecrit (session d'hiver)
  • Matière examinée: Science des données
  • Cours: 2 Heure(s) hebdo x 14 semaines
  • Exercices: 1 Heure(s) hebdo x 14 semaines
  • Labo: 1 Heure(s) hebdo x 14 semaines
  • Type: obligatoire

Semaine de référence

Mardi, 8h - 10h: Cours CM2

Jeudi, 10h - 11h: Exercice, TP CM1120
CM1121

Jeudi, 11h - 12h: Projet, labo, autre CM1120
CM1121

Cours connexes

Résultats de graphsearch.epfl.ch.