Concept
Noyau (statistiques)
Séances de cours associées (91)
Kernel Methods: Calcul efficace du produit
Démontre un calcul de produit par points efficace et introduit des limites non linéaires dans l'espace d'origine.
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.
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.
Mesures d'information
Couvre les mesures d'information comme l'entropie et la divergence Kullback-Leibler.
Estimation spectrale et paramétrique: Séries chronologiques
Couvre les techniques d'estimation spectrale comme la réduction et l'estimation paramétrique, en soulignant l'importance des modèles AR et la probabilité de Whittle dans l'analyse des séries chronologiques.
Réseaux de neurones: caractéristiques aléatoires et régression du noyau
Explore les caractéristiques aléatoires dans les réseaux neuronaux et la régression du noyau en utilisant la descente de gradient stochastique.
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.
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.
Mesures d'information
Couvre les mesures d'information telles que l'entropie, la divergence Kullback-Leibler et l'inégalité de traitement des données, ainsi que les noyaux de probabilité et les informations mutuelles.
Expansion des fonctionnalités et des amandes
Couvre l'expansion des fonctionnalités, les noyaux, SVM, et la classification non linéaire dans l'apprentissage automatique.