Outils numériques avancés en Mécanique#
par Marc BUFFAT, dpt Mécanique, Université Lyon 1[1]
Fig. 1 démarche illustré du calcul scientifique#
Partie I Python pour les scientifiques
Partie II Traitements de données
Partie III Machine learning
- 1. Réflexion initiale
- 2. Introduction
- 3. Introduction générale
- 4. Introduction à l’IA (machine learning)
- 5. Méthodes de minimisation en IA
- 6. Différentiation Automatique
- 7. Algorithmes d’IA
- 8. Mise en oeuvre du machine learning
- 9. Analyse de séries temporelles avec IA
- 10. TP d’applications
- 10.1. TP reconnaissance de chiffres avec scikit-learn
- 10.2. TP méthode de minimisation multi-dimensionnelle
- 10.3. TP modélisation de propriétés mécaniques par machine learning
- 10.4. TP Prédiction météo par IA
- 10.5. TP célérité d’un choc par machine learning
- 10.6. Modélisation d’un pendule double par IA
Partie IV Problèmes sous contrainte (ODE/DAE)
Partie V Problèmes de planification et contrôle
Partie VI Solution des TP
Annexe

Mise à disposition selon les termes de la License Creative Commons