Concept
Hybrid kernel
Séances de cours associées (152)
Fonctions avancées des pandas
Se concentre sur les fonctions avancées de pandas pour la manipulation, l'exploration et la visualisation des données avec Python, en soulignant l'importance de la compréhension et de la préparation des données.
Atelier Coq: Types de données inductives et preuves
Couvre la définition d'un type de données inductives dans Coq et la façon de construire des preuves de manière interactive en utilisant des tactiques.
Théorème algébrique de la Kunneth
Couvre le théorème algébrique de la Kunneth, expliquant les complexes de chaîne et les calculs de cohomologie.
Mesures d'information: Partie 2
Couvre les mesures d'information telles que l'entropie, l'entropie articulaire et l'information mutuelle dans la théorie de l'information et le traitement des données.
La chaîne d'Ising inhomogène
Couvre la chaîne de Ising inhomogène, Gibbs mesures, et le lemme Borel-Cantelli.
Méthodes de noyau: Réseaux neuronaux
Couvre les fondamentaux des réseaux neuronaux, en mettant l'accent sur les noyaux RBF et SVM.
L'essentiel de la science des données : Python, Numpy, Pandas et Scikit-learn
Couvre l'essentiel de Data Science en utilisant Python, Numpy, Pandas et Scikit-learn, y compris l'analyse et la classification des séquences d'ADN.
SVM non linéaire : Noyaux et double optimisation
Explore la transformation des données avec des cartes non linéaires, des noyaux, une double optimisation et l'interprétation des résultats SVM.
Théorème de Mercer et noyaux
Explore le théorème de Mercer, les noyaux et leur rôle dans les applications d'apprentissage automatique.
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.