Cours

EE-312: Analyse matricielle

Résumé

Ce cours est pensé comme un second cours d'algèbre, ou un cours d'algèbre linéaire appliquée, conçu pour donner aux étudiant.e.s une vision intuitive des outils fondamentaux. Une emphase particulière sera donc placée sur la pratique et les concepts seront agrémentés de boites à outils numériques.

Séances de cours

Enseignant·e

Pierre Vandergheynst

Pierre Vandergheynst received the M.S. degree in physics and the Ph.D. degree in mathematical physics from the Université catholique de Louvain, Louvain-la-Neuve, Belgium, in 1995 and 1998, respectively. From 1998 to 2001, he was a Postdoctoral Researcher with the Signal Processing Laboratory, Swiss Federal Institute of Technology (EPFL), Lausanne, Switzerland. He was Assistant Professor at EPFL (2002-2007), where he is now a Full Professor of Electrical Engineering and, by courtesy, of Computer and Communication Sciences. As of 2015, Prof. Vandergheynst serves as EPFL’s Vice-Provost for Education. His research focuses on harmonic analysis, sparse approximations and mathematical data processing in general with applications covering signal, image and high dimensional data processing, computer vision, machine learning, data science and graph-based data processing. He was co-Editor-in-Chief of Signal Processing (2002-2006), Associate Editor of the IEEE Transactions on Signal Processing (2007-2011), the flagship journal of the signal processing community and currently serves as Associate Editor of Computer Vision and Image Understanding and SIAM Imaging Sciences. He has been on the Technical Committee of various conferences, serves on the steering committee of the SPARS workshop and was co-General Chairman of the EUSIPCO 2008 conference. Pierre Vandergheynst is the author or co-author of more than 70 journal papers, one monograph and several book chapters. He has received two IEEE best paper awards. Professor Vandergheynst is a laureate of the Apple 2007 ARTS award and of the 2009-2010 De Boelpaepe prize of the Royal Academy of Sciences of Belgium.

Source officielle

Page Moodle

http://go.epfl.ch/EE-312

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Résumé

Séances de cours

Enseignant·e

Pierre Vandergheynst

Source officielle

Page Moodle

http://go.epfl.ch/EE-312

Séances de ce cours (11)

Algèbre linéaire en mécanique quantique Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'application de l'algèbre linéaire en mécanique quantique, en se concentrant sur les états, la superposition, les mesures et les états enchevêtrés.

Matrices et réseaux Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'application des matrices et des écodécompositions dans les réseaux.

Systèmes linéaires: modélisation et identification Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les encodeurs automatiques, la modélisation des systèmes linéaires, l'identification du système et les moindres carrés récursifs.

Tutoriel sur les encodeurs automatiques Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les encodeurs automatiques, couvrant les conditions d'invertibilité, les projections et les inverses généralisés dans l'algèbre linéaire.

Décomposition de la valeur singulaire Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la décomposition de la valeur singulaire, l'approximation de bas rang, les sous-espaces fondamentaux et les normes matricielles.

Afficher plus

Cours associés (32)

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practised. ...

MATH-111(e): Algèbre linéaire

L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et ses applications. ...

MATH-111(g): Algèbre linéaire

L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et ses applications. ...

EE-556: Mathematics of data: from theory to computation

This course provides an overview of key advances in continuous optimization and statistical analysis for machine learning. We review recent learning formulations and models as well as their guarantees

EE-566: Adaptation and learning

In this course, students learn to design and master algorithms and core concepts related to inference and learning from data and the foundations of adaptation and learning theories with applications.

Afficher plus