Formation pratique MATLAB

Leçon 1 • Navigation dans le bureau MATLAB

Présentation des volets Fenêtre de commande, Éditeur, Espace de travail et Dossier courant. Il établit l'environnement de travail nécessaire à toutes les tâches de codage ultérieures.

Leçon 2 • Obtenir de l'aide et utiliser la documentation

Présente les commandes help, doc et lookfor ainsi que les ressources en ligne. Permet une résolution autonome des problèmes tout au long du cours.

Leçon 3 • Écrire et exécuter des scripts

Enseigne la création, la sauvegarde et l'exécution de scripts à partir de l'Éditeur. Relie les connaissances syntaxiques à des flux de travail reproductibles basés sur des fichiers.

Leçon 1 • Arithmétique des tableaux et diffusion

Explique les opérateurs élément par élément par rapport aux opérateurs matriciels et les règles d'expansion implicite. Permet des calculs numériques compacts sans boucles explicites.

Leçon 2 • Stratégies de vectorisation

Enseigne le remplacement des boucles scalaires par des expressions vectorisées pour la rapidité et la clarté. Prépare directement les étudiants au traitement efficace des données dans les chapitres suivants.

Leçon 3 • Fonctions de tableau intégrées

Présente size, length, reshape, sort, sum et les utilitaires associés. Ces fonctions constituent la trousse à outils pour la manipulation rapide des données tout au long du cours.

Leçon 1 • Écrire des fonctions personnalisées

Explique les fichiers de fonction, les arguments d'entrée/sortie et la portée locale. Les fonctions modulaires sont la pierre angulaire de tous les scripts avancés de ce cours.

Leçon 2 • Boucles et itération

Enseigne les boucles for et while, break, continue et les considérations de performance des boucles. Développe les compétences d'itération nécessaires au traitement des données et aux simulations.

Leçon 3 • Fonctions anonymes et imbriquées

Introduction aux handles de fonction anonyme et aux définitions de fonctions imbriquées. Permet des calculs compacts en ligne utilisés dans les rappels d'optimisation et de tracé.

Leçon 4 • Gestion des erreurs et débogage

Couvre les blocs try-catch, les messages d'erreur et d'avertissement, et le débogueur MATLAB. Développe des pratiques de code robustes essentielles pour des scripts de qualité professionnelle.

Leçon 1 • Connexion à des sources de données externes

Présente la connectivité des bases de données, les appels d'API web et la lecture des formats binaires. Élargit les compétences d'accès aux données pour les tâches professionnelles d'ingénierie des données.

Leçon 2 • Lecture de fichiers de données tabulaires

Couvre readtable, readmatrix et csvread pour les fichiers CSV, Excel et texte. Établit les compétences principales d'ingestion de données utilisées dans les chapitres appliqués.

Leçon 3 • Écriture et sauvegarde de données

Enseigne writetable, writematrix et la sauvegarde de fichiers MAT avec save et load. Garantit que les résultats traités peuvent être stockés et partagés de manière fiable.

Leçon 4 • Gestion des données manquantes et incohérentes

Aborde la détection, la suppression et les stratégies d'imputation des NaN dans MATLAB. Des pipelines de données propres sont un prérequis pour une analyse précise dans les chapitres suivants.

Leçon 1 • Types de tracés 2D principaux

Couvre les graphiques plot, scatter, bar, histogram et area avec des options de mise en forme. Ces types de graphiques répondent à la majorité des besoins de communication de données professionnelles.

Leçon 2 • Mise en forme et annotation des figures

Enseigne les étiquettes d'axes, les titres, les légendes, la couleur, le style de ligne et les annotations textuelles. Une mise en forme appropriée transforme des tracés bruts en livrables professionnels.

Leçon 3 • Sous-tracés et dispositions de figures

Explique subplot, tiledlayout et le dimensionnement des figures pour les figures multi-panneaux. Permet les comparaisons côte à côte essentielles dans les rapports analytiques.

Leçon 4 • Exportation et automatisation des figures

Couvre exportgraphics, print et la génération scriptée de figures pour une sortie par lots. Automatise les flux de travail de rapport introduits dans le chapitre sur la gestion des données.

Leçon 1 • Intégration et dérivation numériques

Couvre integral, integral2, trapz et le calcul du gradient numérique. Permet les calculs d'aire sous la courbe et de taux de variation pour les problèmes appliqués.

Leçon 2 • Recherche de racines et optimisation

Introduction à fzero, fsolve, fminbnd et fminunc pour les problèmes scalaires et multivariés. Développe les compétences de solveur appliquées directement dans le chapitre de simulation.

Leçon 3 • Interpolation et ajustement de courbes

Enseigne interp1, interp2, spline et polyfit pour l'approximation de données. Relie les données brutes à des modèles lisses utilisés dans la visualisation et la simulation.

Leçon 4 • Opérations d'algèbre linéaire

Couvre la factorisation matricielle, la résolution de Ax=b, les valeurs propres et les nombres de condition. Fournit le socle mathématique pour les chapitres de simulation et d'optimisation.

Leçon 1 • Filtrage numérique

Couvre la conception de filtres RIF et RII, leur application et l'analyse de la réponse en fréquence. Fournit des outils de réduction du bruit appliqués aux données de capteurs dans le chapitre du projet.

Leçon 2 • Analyse de séries temporelles

Enseigne les moyennes mobiles, la suppression de tendance, l'autocorrélation et les techniques de rééchantillonnage. Prépare les étudiants à analyser les données temporelles de capteurs, financières et expérimentales.

Leçon 3 • Statistiques descriptives et distributions

Couvre mean, std, median, percentile et l'analyse de distribution basée sur l'histogramme. Établit les compétences statistiques nécessaires pour toutes les tâches d'interprétation des données.

Leçon 1 • Conception de projets MATLAB modulaires

Couvre la structure des dossiers de projet, les bibliothèques de fonctions et la gestion des dépendances. Transforme des scripts isolés en bases de code maintenables et prêtes pour le travail en équipe.

Leçon 2 • Projet de synthèse complet

Les étudiants construisent un pipeline complet, de l'ingestion de données brutes à l'analyse jusqu'à un rapport formaté. Consolide toutes les compétences des huit chapitres principaux.

Leçon 3 • Rapport automatisé avec les scripts dynamiques

Enseigne la mise en forme des scripts dynamiques, les sorties intégrées et l'exportation vers PDF et HTML. Permet des rapports analytiques reproductibles et auto-documentés.