Séance de cours
Analyse des composantes principales : réduction des dimensions
Séances de cours associées (132)
Décomposition de la valeur singulaire
Explore la Décomposition de la Valeur Singulière et son rôle dans l'apprentissage non supervisé et la réduction de dimensionnalité, en mettant l'accent sur ses propriétés et applications.
Apprentissage sans supervision : regroupement et réduction de dimensionnalité
Introduit l'apprentissage non supervisé en cluster avec les moyennes K et la réduction de dimensionnalité à l'aide de PCA, ainsi que des exemples pratiques.
Introduction à la programmation R pour la génétique et la génomique
Introduit un cours sur la génétique et la génomique, en se concentrant sur la programmation R avec des exercices interactifs.
Récapitulation des réseaux neuraux : fonctions d'activation
Couvre les bases des réseaux neuronaux, des fonctions d'activation, de la formation, du traitement d'image, des CNN, de la régularisation et des méthodes de réduction de dimensionnalité.
Réduction de dimensionnalité: PCA & t-SNE
Explore PCA et t-SNE pour réduire les dimensions et visualiser efficacement les données à haute dimension.
Composantes principales : Propriétés et applications
Explore les principales composantes, la covariance, la corrélation, le choix et les applications dans l'analyse des données.
Méthodes de regroupement
Couvre les méthodes de regroupement des moyennes K, hiérarchiques et DBSCAN avec des exemples pratiques.
Hypothèse de thermalisation d'état propre
Explore l'hypothèse de thermalisation d'état propre dans les systèmes quantiques, en mettant l'accent sur la théorie de la matrice aléatoire et le comportement des observables dans l'équilibre thermique.
Programmation R : conditions, boucles, fonctions et graphiques
Couvre les conditions, les boucles, les fonctions et les graphiques en programmation R avec des exemples pratiques.
Analyse des composantes principales : propriétés et applications
Explorer la théorie principale de l'analyse des composants, les propriétés, les applications et les tests d'hypothèse dans les statistiques multivariées.