MÉTHODES
MATRICIELLES EN DATA MINING
Contrôle de Connaissances : Projet
Programme
• Partie I
• Introduction
• Matrices et
vecteurs
•
Opérations matricielles de base
•
Propriétés
• Partie II
•
Factorisations liées à la résolution de
systèmes d'équations linéaires
• Factorisation LU
• Factorisation QR
• Factorisation de Cholesky
• Factorisation SVD
•
Factorisations basées sur valeurs propres et concepts
connexes
• Factorisation spectrale
• Factorisation de Jordan
• Factorisation de Schur
• Factorisation QZ
• Factorisation de Takagi
• Partie III
•
Factorisation NMF
•
Factorisation Semi-NMF
•
Factorisation Convex-NMF
•
Factorisation Tri-NMF
• Partie IV
• Applications
en Data Mining
Slides
P1
P2
P3
P4
Projets
- Code + Notebook Phyton
Faux Billets
base de données
Images
base de données
Texte
base de données
ARCHIVE
Attention
-les étudiants n'ayant pas choisi leurs groupe et projet
jusqu'au 30 septembre
à 12:00 ne pourront pas valider ce module. Par
conséquent seront éliminés.
Liste de Projets
DATE LIMITE de l'envoi de vos
présentations et le rapport le 20 nov. midi
Soutenances Lundi 2décembre en salle G209
LIENS UTILES
Intro
Python
https://courspython.com/introduction-python.html
Intro
Matrices
http://villemin.gerard.free.fr/aMaths/Outils/Matrice/Intro.htm
https://moodle.insa-rouen.fr/course/view.php?id=159§ion=2