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&section=2