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

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Analyse des composantes principales : réduction de la dimensionnalité

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (54)

Estimation du regroupement et de la densité Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les algorithmes de clustering, PCA, LDA, K-means, GMM, KDE et Mean Shift pour l'estimation de la densité et le clustering.

Réduction de dimensionnalité: PCA & t-SNE Connectez-vous à Mediaspace pour regarder cette vidéo

Explore PCA et t-SNE pour réduire les dimensions et visualiser efficacement les données à haute dimension.

Fondements de l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.

Estimation du regroupement et de la densité Connectez-vous à Mediaspace pour regarder cette vidéo

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.

Réduction de la dimensionnalité: PCA & LDA Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre PCA et LDA pour la réduction de dimensionnalité, expliquant la maximisation de la variance, les problèmes de vecteurs propres et les avantages de Kernel PCA pour les données non linéaires.

Réduction de la dimensionnalité : PCA et LDA Connectez-vous à Mediaspace pour regarder cette vidéo

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.

Revue du Machine Learning Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre un examen des concepts d'apprentissage automatique, y compris l'apprentissage supervisé, la classification vs régression, les modèles linéaires, les fonctions du noyau, les machines vectorielles de soutien, la réduction de la dimensionnalité, les modèles génératifs profonds et la validation croisée.

Modélisation de données : régression Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit la modélisation fondée sur les données en mettant l'accent sur la régression, couvrant la régression linéaire, les risques de raisonnement inductif, l'APC et la régression des crêtes.

Analyse des documents : Modélisation des sujets Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.

Analyse des composantes principales : Médailles olympiques et compression d'image Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'APC pour prédire la distribution des médailles et compresser les images du visage.

Arbres de régression et méthodes d'ensemble dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des arbres de régression, des méthodes d'ensemble et de leurs applications dans la prévision des prix des voitures d'occasion et des rendements des stocks.

Fondements de l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Présente les bases de l'apprentissage automatique, les mesures de performance, les techniques d'optimisation et l'évaluation des modèles.

Régression linéaire : Fondements Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases de la régression linéaire, de la classification binaire et multiclasse, et des mesures d'évaluation.

Algorithme de K-means Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'algorithme K-means pour regrouper des échantillons de données en k classes sans étiquettes, dans le but de minimiser la fonction de perte.

Déterminants de la matrice et indépendance linéaire Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les déterminants de la matrice, l'indépendance linéaire et les bases dans les espaces vectoriels.

Apprentissage supervisé : Formalisation et fonctions de coût Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le formalisme des fonctions d'apprentissage supervisé et de décision dans les problèmes de classification.

Décomposition de valeur singulière, pseudoinverse Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la décomposition et la pseudo-inverse de la valeur singulière, en expliquant leurs applications dans la compression de données et les systèmes linéaires.

Curvature gaussienne dans les assiettes Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la courbure gaussienne, les courbures principales et la déformation non linéaire dans des plaques élastiques minces.

Structures et mécanismes: Introduction à la mécanique structurelle Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases des structures, y compris les structures rigides et non rigides, les mécanismes et les charges internes.

Calcul de la approximation et de la distance des vecteurs Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'approximation vectorielle et le calcul de la distance à travers des exercices et des solutions, en se concentrant sur les projections orthogonales et les espaces vectoriaux.

Page 2 sur 3