Start-up
Thinkee
Séances de cours associées (671)
Visualisation des données : Techniques, outils et concepts
Couvre les techniques, les outils et les concepts de visualisation des données pour une représentation efficace des données.
Réduction de la dimensionnalité : PCA et LDA
Couvre les techniques de réduction de dimensionnalité telles que PCA et LDA, les méthodes de clustering, l'estimation de la densité et la représentation des données.
Visualisation des données & Histoire
Se penche sur la physialisation des données, l'expressivité, la visualisation féministe et l'équilibre entre l'exploration et l'explication de la visualisation des données.
Consommation d'eau à Genève
Explore les données sur la consommation d'eau à Genève, y compris les graphiques sur la consommation et les pertes, les ensembles de données disponibles et les phases de traitement des données.
Big Data: Meilleures pratiques et lignes directrices
Couvre les meilleures pratiques et les lignes directrices pour les mégadonnées, y compris les lacs de données, l'architecture, les défis et les technologies comme Hadoop et Hive.
Outils et analyse des mégadonnéesMOOC: Selected chapters form winterschool on multi-scale brain
Explore les outils de gestion et d'analyse des mégadonnées dans le Projet Cerveau Humain, en mettant l'accent sur les défis en connectomique et en navigation cérébrale 3D.
Autocorrélation et périodicité
Explore l'autocorrélation, la périodicité et les corrélations fallacieuses dans les données de séries chronologiques, en soulignant l'importance de comprendre les processus sous-jacents et de mettre en garde contre les erreurs d'interprétation.
Estimation du regroupement et de la densité
Couvre la réduction de dimensionnalité, l'APC, les techniques de regroupement et les méthodes d'estimation de la densité.
Fondamentaux de la science des données
Couvre les principes fondamentaux de la science des données, en mettant l'accent sur la profondeur et l'application pratique dans l'apprentissage automatique et l'analyse de données.
Analyse des composantes principales : réduction des dimensions
Couvre l'analyse en composantes principales pour la réduction dimensionnelle des données biologiques, en se concentrant sur la visualisation et l'identification des modèles.