Ce projet fournit un ensemble de ressources pédagogiques et d'exercices dédiés à l'apprentissage du calcul différentiel et des équations différentielles ordinaires (EDO). Il s'adresse principalement aux étudiants en mathématiques ou en sciences appliquées, en offrant des outils pour faciliter leur compréhension et leur pratique de ces concepts fondamentaux.

Ce projet propose un cours complet sur le calcul différentiel et les équations différentielles ordinaires, destiné à une formation en modélisation et intelligence artificielle. Il inclut un polycopié détaillé, des travaux pratiques utilisant le langage Julia, et des ressources complémentaires pour approfondir les liens entre ces concepts mathématiques et l'apprentissage automatique. Le contenu est adapté à un public étudiant en formation continue ou initiale.

SympLearn est une bibliothèque Python dédiée à l'apprentissage automatique géométrique et à la simulation de systèmes dynamiques à long terme. Elle permet de modéliser des équations différentielles, d'entraîner des réseaux de neurones pour des problèmes géométriques, et de générer des trajectoires numériques précises. Utilisée dans des contextes scientifiques, elle facilite l'étude de phénomènes physiques comme les champs magnétiques ou les systèmes hamiltoniens.