Introduit des méthodes de regroupement hiérarchique et k-means, en discutant des approches de construction, des fonctions de liaison, de la méthode de Ward, de l'algorithme Lloyd et de k-means++.
Couvre la théorie et les applications de la coloration graphique, en se concentrant sur les modèles de blocs stochastiques dissortatifs et la coloration plantée.
Explore le centroïde, le médioïde, l'homogénéité, la séparabilité dans le clustering, l'évaluation de la qualité, la stabilité, les connaissances d'experts et les algorithmes de clustering.
Couvre le modèle de bloc stochastique pour la détection de la communauté, en se concentrant sur la détection des communautés, des clusters et des groupes.
Couvre les techniques de réduction de dimensionnalité, de regroupement et d'estimation de la densité, y compris l'ACP, les moyennes K, le MGM et le décalage moyen.
Couvre l'analyse de la lentille gravitationnelle dans les amas de galaxies, en se concentrant sur la distribution de masse et la précision obtenues dans le modèle de masse du amas de galaxie MACSJ0416.1-2403.