Ce projet propose des ressources pédagogiques et des travaux pratiques pour l'introduction au machine learning. Il inclut des notebooks interactifs accessibles via différents environnements (mésocentre IPSL, Jupyter Hub, Google Colab) pour faciliter l'apprentissage et la pratique des étudiants en master. Les supports sont conçus pour être utilisés en séance ou en autonomie.

Plateforme dédiée au support des cours du Master 1 MIAGE de l'ODEVA. Elle centralise les ressources pédagogiques, facilite l'accès aux documents de cours et encourage l'échange entre enseignants et étudiants pour améliorer l'apprentissage et la réussite académique.

Ce projet rassemble des ressources pédagogiques sous forme de notebooks pour accompagner les étudiants en mathématiques appliquées et en modélisation. Il couvre les méthodes numériques et les équations aux dérivées partielles, en proposant des exercices et des exemples concrets pour faciliter la compréhension des concepts enseignés en cours. Destiné aux étudiants de niveau master 1, il sert de support complémentaire aux enseignements théoriques.

Ce projet est un wiki dédié au cours OTI (Outils et Technologies de l'Information) du Master 2 ESERV FA. Il sert de plateforme collaborative pour centraliser les ressources pédagogiques, les supports de cours et les échanges entre étudiants et enseignants. L'objectif est d'améliorer l'apprentissage et la compréhension des outils et technologies abordés dans le cadre de cette formation.

Ce projet développe un algorithme génétique destiné à l'enseignement supérieur, notamment dans le cadre du Master MEEF INFO. Il permet d'explorer des solutions optimales pour des problèmes variés en utilisant des principes inspirés de l'évolution naturelle, tout en servant de support pédagogique pour les étudiants.

Ce projet est une plateforme pédagogique dédiée à l'enseignement des méthodes statistiques et de l'apprentissage automatique (machine learning) pour les étudiants en master. Il propose des supports de cours, des exercices pratiques sous forme de notebooks Jupyter, et des ressources pour explorer des concepts comme les modèles linéaires, les SVM, le clustering ou les réseaux de neurones. Les outils utilisés couvrent des bibliothèques Python majeures pour l'analyse de données et l'IA.

Projet pédagogique collectif destiné aux étudiants en première année de master d'informatique. Il propose des séances interactives d'algorithmique utilisant Jupyter Notebook pour faciliter l'apprentissage pratique. Les ressources incluent des diaporamas interactifs, des exercices guidés et des supports de cours accessibles en ligne, complétant l'enseignement dispensé à l'Université Paris-Saclay.

Ce projet est un ancien dépôt de cours destiné à l'enseignement de la programmation fonctionnelle en OCaml. Il contenait des ressources pédagogiques comme des notes de séances, des feuilles de travaux dirigés et des supports d'initiation pour les étudiants en Master 2 LMFI de l'Université de Paris. Les contenus visaient à faciliter l'apprentissage des concepts fondamentaux de la programmation fonctionnelle.

Ce projet propose un support pédagogique pour l'analyse statistique de données géographiques. Il s'adresse aux étudiants en Master 1 de l'Université de Nantes, leur offrant des ressources pour comprendre et appliquer des méthodes statistiques spatiales. Le contenu est structuré en séances de travaux dirigés et couvre des concepts clés en géomatique et en modélisation spatiale.

Ce projet propose des ressources pédagogiques complètes en optimisation numérique pour des étudiants de niveau master. Il inclut un polycopié détaillé, des supports de cours sous forme de slides, ainsi que des travaux dirigés couvrant les contraintes d'égalité et d'inégalité. Les contenus sont conçus pour accompagner l'apprentissage des algorithmes d'optimisation en dimension finie.