Factorisation des matrices: SVD et PCA

Cette séance de cours porte sur les factorisations matricielles, en particulier la décomposition de la valeur singulaire (SVD) et l'analyse des composantes principales (APC). Il explore comment ces méthodes sont utilisées dans l'apprentissage automatique pour trouver des caractéristiques latentes dans les données, comme dans le contexte du concours de prix Netflix. L'instructeur discute de la motivation de ces techniques et de leurs applications pour prédire les cotes des utilisateurs pour les films en fonction des cotes existantes. La séance de cours se penche également sur les formulations mathématiques de SVD et de PCA, soulignant leur rôle dans l'explication des cotes par des représentations numériques d'articles et d'utilisateurs.