| Libellé du cours : | Refresher in mathematics |
|---|---|
| Département d'enseignement : | EEA / Electronique Electrotechnique Automatique |
| Responsable d'enseignement : | Monsieur PIERRE-ANTOINE THOUVENIN / Monsieur PIERRE CHAINAIS |
| Langue d'enseignement : | |
| Ects potentiels : | 0 |
| Grille des résultats : | |
| Code et libellé (hp) : | MR_DS_S3_RMA - Refresher in mathematics |
Equipe pédagogique
Enseignants : Monsieur PIERRE-ANTOINE THOUVENIN / Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires
Résumé
Reminders on linear algebra and applications: Discrete Fourier Transform, Singular Value Decomposition, linear regression, low rank approximations. Basics on optimization with constraints. Lagrange multipliers. Uzawa algorithm.
Objectifs pédagogiques
After successfully taking this course, a student should be familiar with fundamental concepts from linear algebra and nonlinear optimization which are relevant to data science.
Objectifs de développement durable
Modalités de contrôle de connaissance
Contrôle Continu
Commentaires: Exam1, (min) 0 - 20 (max)
Exam2, (min) 0 - 20 (max)
Passing grade 10/20
Ressources en ligne
Gene H Golub and Charles F Van Loan. Matrix computations. JHU press, 2013.
Pédagogie
24 hours, 12 hours lectures, 12 hours exercise session.+ English is the default language.
Séquencement / modalités d'apprentissage
| Nombre d'heures en CM (Cours Magistraux) : | 12 |
|---|---|
| Nombre d'heures en TD (Travaux Dirigés) : | 12 |
| Nombre d'heures en TP (Travaux Pratiques) : | 0 |
| Nombre d'heures en Séminaire : | 0 |
| Nombre d'heures en Demi-séminaire : | 0 |
| Nombre d'heures élèves en TEA (Travail En Autonomie) : | 0 |
| Nombre d'heures élèves en TNE (Travail Non Encadré) : | 0 |
| Nombre d'heures en CB (Contrôle Bloqué) : | 0 |
| Nombre d'heures élèves en PER (Travail PERsonnel) : | 0 |
| Nombre d'heures en Heures Projets : | 0 |
Pré-requis
Basic mathematical knowledge