Parcours de lecture
Ces notes abordent l’informatique, les mathématiques et les bases de l’apprentissage automatique. Partez de la question la plus proche de votre problème. Chaque court parcours présente une idée, puis montre où elle intervient. Les parcours peuvent se lire indépendamment.
Pourquoi un programme ralentit-il quand ses données augmentent ?
La complexité temporelle explique ce que le nombre d’opérations et les bornes asymptotiques permettent de prévoir, sans remplacer une mesure de vitesse. Poursuivez avec la recherche dichotomique : diviser l’intervalle de recherche par deux donne un coût logarithmique, à condition que les données et leur mode d’accès respectent les hypothèses de l’algorithme.
Comment stocker une séquence dans un programme ?
Comparez les tableaux et tableaux dynamiques aux listes chaînées. Le choix dépend de l’accès par indice, du redimensionnement, du parcours et de l’insertion, pas seulement du coût d’une opération isolée. Ces notes expliquent aussi pourquoi une liste Python est un tableau dynamique et non une liste chaînée.
Que révèle la dérivée d’une fonction ?
Commencez par la définition de la dérivée : une limite qui décrit la pente de la tangente et le taux de variation instantané. Passez ensuite à l’analyse des points critiques pour étudier les intervalles de croissance, les extrema et la concavité, y compris les cas où un test ne permet pas de conclure.
Un bon score de test garantit-il de bons résultats ailleurs ?
La note sur le découpage des données et les fuites d’information montre comment une évaluation peut utiliser par accident des informations indisponibles au moment de la prédiction. Lisez ensuite l’évaluation sous changement de distribution pour relier les scores à la population, à la période, au seuil et au coût des erreurs en situation réelle.
Pour retrouver une formule ou une commande sans suivre un parcours, consultez le Rayon de référence.