Séance de cours

Mesure des graphiques: analyse statistique

Modèles graphiques : Représentation des distributions probabilistes

Couvre les modèles graphiques pour les distributions probabilistes à l'aide de graphiques, de nœuds et de bords.

Explique le regroupement des moyennes k, en attribuant des points de données à des grappes en fonction de la proximité et en minimisant les distances carrées à l'intérieur des grappes.

Analyse par grappes : méthodes et applications

Explore les méthodes et applications d'analyse de grappes dans l'analyse des données génomiques, y compris la classification, l'expression des gènes, la visualisation, les mesures de distance et les algorithmes de regroupement.

Cartes des protéines uniques: Sabrina Simoncelli

Explore la transition des localisations monomolécules aux cartes monoprotéines à l'aide de l'ADN-PAINT et du regroupement des moyennes k.

Coloration graphique II

Explore les concepts avancés de coloration graphique, y compris la coloration plantée, le seuil de rigidité, et les variables gelées en points fixes BP.

Apprentissage supervisé : arbre k-NN et arbre de décision

Introduit l'apprentissage supervisé avec k-NN et les arbres de décision, couvrant les techniques, les exemples et les méthodes d'ensemble.

Analyse des données génomiques : regroupement et survie

Explore le regroupement des données génomiques, l'analyse de la survie, l'identification des gènes et l'importance statistique dans la recherche sur le cancer.

Clustering: Apprentissage sans supervision

Explore la réduction de la dimensionnalité, les algorithmes de clustering et l'état de l'apprentissage automatique.

Apprentissage sans supervision : méthodes de regroupement

Explore l'apprentissage non supervisé par des méthodes de regroupement comme K-means et DBSCAN, en abordant les défis et les applications.

Clustering des séries chronologiques

Couvre les séries chronologiques groupées à l'aide de modèles dynamiques de temps de distorsion, de chaînes de caractères et de Markov.