Courses tagged with "Nutrition" (6413)

This is the first semester of a two-semester sequence on Algebraic Geometry. The goal of the course is to introduce the basic notions and techniques of modern algebraic geometry. It covers fundamental notions and results about algebraic varieties over an algebraically closed field; relations between complex algebraic varieties and complex analytic varieties; and examples with emphasis on algebraic curves and surfaces. This course is an introduction to the language of schemes and properties of morphisms.

This course provides an introduction to the language of schemes, properties of morphisms, and sheaf cohomology. Together with 18.725 Algebraic Geometry, students gain an understanding of the basic notions and techniques of modern algebraic geometry.

This research-oriented course will focus on algebraic and computational techniques for optimization problems involving polynomial equations and inequalities with particular emphasis on the connections with semidefinite optimization. The course will develop in a parallel fashion several algebraic and numerical approaches to polynomial systems, with a view towards methods that simultaneously incorporate both elements. We will study both the complex and real cases, developing techniques of general applicability, and stressing convexity-based ideas, complexity results, and efficient implementations. Although we will use examples from several engineering areas, particular emphasis will be given to those arising from systems and control applications.

This course is a first course in algebraic topology. The emphasis is on homology and cohomology theory, including cup products, Kunneth formulas, intersection pairings, and the Lefschetz fixed point theorem.

In this second term of Algebraic Topology, the topics covered include fibrations, homotopy groups, the Hurewicz theorem, vector bundles, characteristic classes, cobordism, and possible further topics at the discretion of the instructor.

Vous voulez apprendre l'algèbre linéaire, un précieux outil complémentaire à vos connaissances acquises durant vos études en économie, ingénierie, physique, ou statistique? Ou simplement pour la beauté de la matière? Alors ce cours est fait pour vous! Outre remplir le rôle d'outil dans les différentes branches mentionnées ci-dessus (permettant la résolution de problèmes concrets), l'algèbre linéaire, qui capture l'essence des mathématiques -à savoir, l'algèbre et la géométrie- vous introduira au monde plus abstrait des mathématiques.

Proposé comme complément de cours aux ingénieurs de première année à l'Ecole Polytechnique Fédérale de Lausanne, ce MOOC (composé de trois parties) n'en est pas moins un cours à part entière et peut être considéré comme une base solide d'algèbre linéaire pour tout étudiant intéressé par l'apprentissage de cette matière.

Bien que les vidéos constituent le coeur du cours, des exercices de type QCM (Questions à choix multiples) ainsi que des séries au format PDF seront disponibles chaque semaine, ainsi que des corrigés appropriés. Plus précisément, les séries d'exercices seront accompagnées d'un corrigé au format PDF et certains problèmes bénéficieront d'une correction détaillée en vidéo, dans laquelle l'un des enseignants présentera la solution, étape par étape. Finalement, chaque vidéo de cours sera suivie d'un quiz, dont le but est de tester le degré d’assimilation des connaissances acquises.

Le cours est organisé en dix chapitres dans lesquels une approche très détaillée des concepts théoriques est proposée, ainsi que de multiples exemples illustratifs :

1) Systèmes d'équations linéaires.

2) Algèbre matricielle.

3) Espaces vectoriels.

4) Bases et dimensions.

5) Applications linéaires.   

6) Matrices et applications linéaires.

7) Déterminants.

8) Vecteurs propres, valeurs propres, diagonalisation.

9) Produits scalaires et espaces euclidiens.

10) Matrices orthogonales et matrices symétriques.

Cette première partie du cours sera dévouée à l'étude des quatre premiers chapitres cités plus haut. Aucune connaissance particulière n’est requise pour comprendre les concepts abordés dans ce MOOC, mais il est conseillé de travailler régulièrement et de manière assidue, de façon à ne pas prendre de retard lors de l'apprentissage de la matière.

Vous voulez apprendre l'algèbre linéaire, un précieux outil complémentaire à vos connaissances acquises durant vos études en économie, ingénierie, physique, ou statistique? Ou simplement pour la beauté de la matière? Alors ce cours est fait pour vous! Outre remplir le rôle d'outil dans les différentes branches mentionnées ci-dessus (permettant la résolution de problèmes concrets), l'algèbre linéaire, qui capture l'essence des mathématiques -à savoir, l'algèbre et la géométrie- vous introduira au monde plus abstrait des mathématiques.

Proposé comme complément de cours aux ingénieurs de première année à l'Ecole Polytechnique Fédérale de Lausanne, ce MOOC (composé de trois parties) n'en est pas moins un cours à part entière et peut être considéré comme une base solide d'algèbre linéaire pour tout étudiant intéressé par l'apprentissage de cette matière.

Bien que les vidéos constituent le coeur du cours, des exercices de type QCM (Questions à choix multiples) ainsi que des séries au format PDF seront disponibles chaque semaine, ainsi que des corrigés appropriés. Plus précisément, les séries d'exercices seront accompagnées d'un corrigé au format PDF et certains problèmes bénéficieront d'une correction détaillée en vidéo, dans laquelle l'un des enseignants présentera la solution, étape par étape. Finalement, chaque vidéo de cours sera suivie d'un quiz, dont le but est de tester le degré d’assimilation des connaissances acquises.

Le cours est organisé en dix chapitres dans lesquels une approche très détaillée des concepts théoriques est proposée, ainsi que de multiples exemples illustratifs :

1. Systèmes d'équations linéaires.
2. Algèbre matricielle.
3. Espaces vectoriels.
4. Bases et dimensions.
5. Applications linéaires.  
6. Matrices et applications linéaires.
7. Déterminants.
8. Vecteurs propres, valeurs propres, diagonalisation.
9. Produits scalaires et espaces euclidiens.
10. Matrices orthogonales et matrices symétriques.

Cette deuxième partie du cours sera dévouée à l'étude des chapitres 5 à 8 cités plus haut. Une bonne connaissance de la matière enseignée dans le MOOC Algèbre Linéaire (Partie 1) est requise. Aussi, il est conseillé de travailler régulièrement et de manière assidue, de façon à ne pas prendre de retard lors de l'apprentissage de la matière. 

Vous voulez apprendre l'algèbre linéaire, un précieux outil complémentaire à vos connaissances acquises durant vos études en économie, ingénierie, physique, ou statistique? Ou simplement pour la beauté de la matière? Alors ce cours est fait pour vous! Outre remplir le rôle d'outil dans les différentes branches mentionnées ci-dessus (permettant la résolution de problèmes concrets), l'algèbre linéaire, qui capture l'essence des mathématiques -à savoir, l'algèbre et la géométrie- vous introduira au monde plus abstrait des mathématiques.

Proposé comme complément de cours aux ingénieurs de première année à l'Ecole Polytechnique Fédérale de Lausanne, ce MOOC (composé de trois parties) n'en est pas moins un cours à part entière et peut être considéré comme une base solide d'algèbre linéaire pour tout étudiant intéressé par l'apprentissage de cette matière.

Bien que les vidéos constituent le coeur du cours, des exercices de type QCM (Questions à choix multiples) ainsi que des séries au format PDF seront disponibles chaque semaine, ainsi que des corrigés appropriés. Plus précisément, les séries d'exercices seront accompagnées d'un corrigé au format PDF et certains problèmes bénéficieront d'une correction détaillée en vidéo, dans laquelle l'un des enseignants présentera la solution, étape par étape. Finalement, chaque vidéo de cours sera suivie d'un quiz, dont le but est de tester le degré d’assimilation des connaissances acquises.

Le cours est organisé en dix chapitres dans lesquels une approche très détaillée des concepts théoriques est proposée, ainsi que de multiples exemples illustratifs :

1. Systèmes d'équations linéaires.
2. Algèbre matricielle.
3. Espaces vectoriels.
4. Bases et dimensions.
5. Applications linéaires.  
6. Matrices et applications linéaires.
7. Déterminants.
8. Vecteurs propres, valeurs propres, diagonalisation.
9. Produits scalaires et espaces euclidiens.
10. Matrices orthogonales et matrices symétriques.

Cette troisième (et dernière) partie du cours sera dévouée à l'étude des chapitres 9 et 10 cités plus haut. Une bonne connaissance de la matière enseignée dans les MOOCs Algèbre Linéaire (Partie 1) et Algébre Linéaire (Partie 2) est requise. Aussi, il est conseillé de travailler régulièrement et de manière assidue, de façon à ne pas prendre de retard lors de l'apprentissage de la matière. 

How do you optimally encode a text file? How do you find shortest paths in a map? How do you design a communication network? How do you route data in a network? What are the limits of efficient computation?

This course, part of the Computer Science Essentials for Software Development Professional Certificate program, is an introduction to design and analysis of algorithms, and answers along the way these and many other interesting computational questions.

You will learn about algorithms that operate on common data structures, for instance sorting and searching; advanced design and analysis techniques such as dynamic programming and greedy algorithms; advanced graph algorithms such as minimum spanning trees and shortest paths; NP-completeness theory; and approximation algorithms.

After completing this course you will be able to design efficient and correct algorithms using sophisticated data structures for complex computational tasks.

This course is organized around algorithmic issues that arise in machine learning. Modern machine learning systems are often built on top of algorithms that do not have provable guarantees, and it is the subject of debate when and why they work. In this class, we focus on designing algorithms whose performance we can rigorously analyze for fundamental machine learning problems.

6.890 Algorithmic Lower Bounds: Fun with Hardness Proofs is a class taking a practical approach to proving problems can't be solved efficiently (in polynomial time and assuming standard complexity-theoretic assumptions like P ≠ NP). The class focuses on reductions and techniques for proving problems are computationally hard for a variety of complexity classes. Along the way, the class will create many interesting gadgets, learn many hardness proof styles, explore the connection between games and computation, survey several important problems and complexity classes, and crush hopes and dreams (for fast optimal solutions).

Experienced Computer Scientists analyze and solve computational problems at a level of abstraction that is beyond that of any particular programming language. This class is designed to train students in the mathematical concepts and process of "Algorithmic Thinking", allowing them to build simpler, more efficient solutions to computational problems.

Experienced Computer Scientists analyze and solve computational problems at a level of abstraction that is beyond that of any particular programming language. This two-part class is designed to train students in the mathematical concepts and process of "Algorithmic Thinking", allowing them to build simpler, more efficient solutions to computational problems.

Experienced Computer Scientists analyze and solve computational problems at a level of abstraction that is beyond that of any particular programming language. This two-part class is designed to train students in the mathematical concepts and process of "Algorithmic Thinking", allowing them to build simpler, more efficient solutions to computational problems.

Algorithms power the biggest web companies and the most promising startups. Interviews at tech companies start with questions that probe for good algorithm thinking.

In this computer science course, you will learn how to think about algorithms and create them using sorting techniques such as quick sort and merge sort, and searching algorithms, median finding, and order statistics.

The course progresses with Numerical, String, and Geometric algorithms like Polynomial Multiplication, Matrix Operations, GCD, Pattern Matching, Subsequences, Sweep, and Convex Hull. It concludes with graph algorithms like shortest path and spanning tree.

Topics covered:

• Sorting and Searching
• Numerical Algorithms
• String Algorithms
• Geometric Algorithms
• Graph Algorithms

This course is part of the Fundamentals of Computer Science XSeries Program: 

• Programming Basics
• Object-Oriented Programming
• Foundations of Data Structures
• Implementation of Data Structures

Want to build better programs? Learn how, in this professional-level course.

Bring your programming experience, and join us for a deep dive into fundamental concepts that you can use right away. Go underneath the hood of functional algorithms and data structures, and see how they work and how to compare them. Plus, get the details on when and how to use them.

In this real-world-tested curriculum, take a look at famous algorithms and equations, and see how yours stack up. See practical demos, compare “life scenarios” to their coding counterparts, and create an app for your final project.

Add to your developer toolkit with this in-depth exploration of algorithms and data structures.

Animation is a compelling and effective form of expression; it engages viewers and makes difficult concepts easier to grasp. Today's animation industry creates films, special effects, and games with stunning visual detail and quality. This graduate class will investigate the algorithms that make these animations possible: keyframing, inverse kinematics, physical simulation, optimization, optimal control, motion capture, and data-driven methods. Our study will also reveal the shortcomings of these sophisticated tools. The students will propose improvements and explore new methods for computer animation in semester-long research projects. The course should appeal to both students with general interest in computer graphics and students interested in new applications of machine learning, robotics, biomechanics, physics, applied mathematics and scientific computing.

We will learn computational methods -- algorithms and data structures -- for analyzing DNA sequencing data. We will learn a little about DNA, genomics, and how DNA sequencing is used. We will use Python to implement key algorithms and data structures and to analyze real genomes and DNA sequencing datasets.

This is a graduate-level introduction to the principles of statistical inference with probabilistic models defined using graphical representations. The material in this course constitutes a common foundation for work in machine learning, signal processing, artificial intelligence, computer vision, control, and communication. Ultimately, the subject is about teaching you contemporary approaches to, and perspectives on, problems of statistical inference.

This course covers the essential information that every serious programmer needs to know about algorithms and data structures, with emphasis on applications and scientific performance analysis of Java implementations. Part I covers basic iterable data types, sorting, and searching algorithms.