Passer au contenu principal
Graph
Search
fr
en
Se Connecter
Recherche
Tous
Catégories
Concepts
Cours
Séances de cours
MOOCs
Personnes
Exercices
Publications
Start-ups
Unités
Afficher tous les résultats pour
Accueil
Concept
Panique du noyau
Applied sciences
Génie informatique
Architecture matérielle
Architecture matérielle
Graph Chatbot
Séances de cours associées (30)
Connectez-vous pour filtrer par séance de cours
Connectez-vous pour filtrer par séance de cours
Réinitialiser
Précédent
Page 3 sur 3
Suivant
Applications linéaires : définitions et matrices
Couvre la définition des applications linéaires dans IR3 à R3 et explore des exemples et des propriétés.
Transformation linéaire : Détermination des matrices et sous-espaces
Couvre la détermination d'une matrice associée à une transformation linéaire et aux concepts de noyau et d'image.
Visualisation de la science des données avec Pandas
Couvre la manipulation et l'exploration de données à l'aide de Python en mettant l'accent sur les techniques de visualisation.
Théorème de classement: Partie 2
Déplacez-vous dans les implications du Rank Theorem pour les transformations linéaires et les cartes.
Calcul des dimensions en algèbre linéaire
Couvre le calcul des dimensions en algèbre linéaire, en se concentrant sur la détermination de la dimension du noyau d'une matrice donnée.
Groupes de Cohomologie: Formule Hopf
Explore la formule Hopf dans les groupes de cohomologie, en mettant l'accent sur la séquence exacte à 4 terme et ses implications.
Homologation singulière
Introduit une homologie singulière, définissant des simplices singuliers et expliquant la construction complexe de la chaîne.
Bases de la cartographie linéaire
Couvre les bases de la cartographie linéaire et des systèmes de coordonnées.
Principes fondamentaux de la programmation orientée objet
Couvre les bases de la programmation orientée objet en Python, y compris les objets, les classes, l'héritage et la gestion des entrées/sorties.
Représentations matricielles des demandes linéaires
Explore les représentations matricielles des applications linéaires, y compris le changement de base et les invariants.