Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Concept

Analyse en composantes indépendantes

Séances de cours associées (31)

Méthodes multivariées II: ICA pour l'imagerie cérébrale fonctionnelle

Explore l'analyse indépendante des composants en imagerie cérébrale fonctionnelle, en se concentrant sur les sources non gaussiennes, les artefacts de nettoyage et les études de groupe.

Analyse des composantes principales : Introduction

Introduit l'analyse des composantes principales, en mettant l'accent sur la maximisation de la variance dans les combinaisons linéaires pour résumer efficacement les données.

Découverte causale : modèles variables latents

Explore la découverte causale à l'aide de modèles variables latents, en mettant l'accent sur les défis et les solutions pour déduire les relations causales à partir de données non gaussiennes.

Analyse des composantes principales : réduction de la dimensionnalité

Couvre l'analyse des composantes principales pour la réduction de dimensionnalité, en explorant ses applications, ses limites et l'importance de choisir les composantes appropriées.

Kernel PCA : Réduction de la dimensionnalité non linéaire

Explore Kernel Principal Component Analysis, une méthode non linéaire utilisant des noyaux pour la résolution linéaire de problèmes et la réduction des dimensions.

Fondements de l'apprentissage automatique

Couvre des concepts clés et des exemples d'algorithmes et de techniques d'apprentissage automatique.

Analyse des composantes principales : réduction de la dimensionnalité

Explore l'analyse des composants principaux pour la réduction de la dimensionnalité dans l'apprentissage automatique, en présentant ses capacités d'extraction de fonctionnalités et de prétraitement de données.

Analyse des composantes principales : réduction de la dimensionnalité

Explorer l'analyse des composantes principales pour la réduction de dimensionnalité et la sélection de fonctionnalités non supervisées.

Modélisation d'entropie maximale: Applications et inférence

Explore les applications de modélisation d'entropie maximale en neurosciences et en données de séquences de protéines.

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.

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.

Estimation de la structure à terme : analyse des composantes principales

Couvre l'analyse des composantes principales pour l'estimation de la forme de la courbe de rendement et la réduction des dimensions dans les modèles de taux d'intérêt.

Modélisation à l'échelle atomique : Exercices interactifs et affectations graduées

Explore la modélisation à l'échelle atomique au moyen d'exercices interactifs et d'affectations notées, couvrant la cristallographie, la diffraction, les défauts et les modèles de régression.

PCA: Intuition

Couvre les bases de l'APC, les exercices sur la réduction de la dimensionnalité et les critères de choix des projections.

Analyse des composantes principales : compréhension de la structure des données

Explore l'analyse des composantes principales, la réduction de la dimensionnalité, l'évaluation de la qualité des données et le contrôle du taux d'erreur.

Analyse des données textuelles: réduction de la classification et de la dimensionnalité

Explore la classification des données textuelles, en se concentrant sur des méthodes telles que les bayes naïques et les techniques de réduction de la dimensionnalité telles que l'analyse des composantes principales.

Physique statistique de l'informatique: Perspectives et applications

Explore l'application de la physique statistique dans les problèmes de calcul, couvrant des sujets tels que l'inférence bayésienne, les modèles de verre de spin de champ moyen, et la détection comprimée.

Gestion quantitative des risques : distributions et techniques

Couvre les distributions et les techniques de gestion quantitative des risques pour la modélisation financière.

Modèles de facteurs fonctionnels : Prévision des courbes de mortalité au Japon

Explore les modèles de facteurs fonctionnels à haute dimension pour prévoir les courbes de mortalité au Japon, en discutant de l'estimation, de la cohérence et de l'application.

Apprentissage non supervisé: théorème de Young-Eckart-Mirsky et introduction à PCA

Introduit le théorème de Young-Eckart-Mirsky et PCA pour l'apprentissage non supervisé et la visualisation de données.