Cours particuliers

Des idĂ©es de sujets sur lesquels je peux aider

Publié le 05.02.2021
Temps de lecture estimé : ~ 3 min.
Modifié le 05.02.2021

Mathématiques

  • Analyse fonctionnelle: de la continuitĂ© aux intĂ©grales multiples
  • Suites et sĂ©ries: suites gĂ©omĂ©triques, arithmĂ©tiques, convergence, etc.
  • Algèbre gĂ©nĂ©rale: de la construction de \(\mathbb{N}\) aux corps finis.
  • Analyse numĂ©rique: schĂ©ma d’intĂ©gration numĂ©rique, factorisation de matrices, rĂ©solution de systèmes linĂ©aires, …
  • ProbabilitĂ©s et statistiques computationelles: des lois usuelles Ă  l’importance sampling
  • Statistiques: analyses univariĂ©e et bivariĂ©e, tests d’hypothèses, …
  • Analyse de Fourier: des sĂ©ries aux espaces de Schwartz
  • Apprentissage machine: mĂ©thodologie, algorithmes et implĂ©mentations, …

Informatique - Logiciel

  • Algorithmie et analyse de la complexitĂ©
  • Optimisation combinatoire: de la modĂ©lisation Ă  la rĂ©solution
  • Bases de donnĂ©es relationelles: de la modĂ©lisation Ă  l’implĂ©mentation
  • Élements de PostGreSQL
  • Programmation en Python
  • Programmation et conception orientĂ©e objet
  • Documentation technique

GNU/Linux - Systèmes Unix

  • Installation d’une distribution GNU/Linux et prise en main: de Ubuntu Ă  Gentoo
  • ÉlĂ©ments en administration système et auto-hĂ©bergement
  • Mise en place d’un environnement et d’outils de dĂ©veloppement ergonomiques
  • Connaissances variĂ©es pour efficacement utiliser un ordinateur
  • Divers: \(\LaTeX\), PlantUML, R

Python et son Ă©cosystème scientifique

  • DĂ©couverte des spĂ©cificitĂ©s de Python
  • ÉlĂ©ments de CPython, implĂ©mentation de rĂ©fĂ©rence de Python
  • Utilisation de l’Ă©cosystème scientifique (numpy, scipy, pandas, scikit-learn, scikit-image, dask)
  • ÉlĂ©ments d’implĂ©mentation de l’Ă©cosystème scientifique