'' For deep learning, it is linear algebra that matters the most. ''Gilbert Strang, Linear algebra and learning from data
Ce polycopié, qui est en construction, contient l'essentiel de
mon cours d'algèbre linéaire, donné aux étudiant.e.s des sections de
Génie Civil, Génie Électrique, et Sciences de l'Environnement, à l'EPFL.
Initialement, la structure de ce cours était
empruntée (à l'exception du dernier chapitre sur les
chaînes de Markov) au cours
donné par Simone Deparis (SMA, EPFL),
lui-même basé sur celui du Professeur Assyr Abdulle (SMA, EPFL).
Je remercie Simone et Assyr de m'avoir fourni ce
matériel, qui a
grandement facilité la préparation de mes cours et de mes séries d'exercices
à mon arrivée à l'EPFL.
Bien-sûr, la rédaction d'un texte engendre l'utilisation d'un style,
des changements, des réarrangements, des ajouts de
matériel supplémentaire, etc. et donc le contenu de ce cours
va progressivement s'écarter de ce qu'était le cours d'Assyr.
Le format online de ce polycopié est emprunté de celui de
mon cours
d'Analyse 1. On trouvera sur
ce dernier plusieurs information additionnelles que je n'ai pas jugé nécessaire
de reproduire ici.
\(@\) S. Friedli 2022 - tous droits réservés.
Ce document est mis à disposition selon les termes du droit d’auteur suisse.
L’utilisation et la citation des sources du contenu nécessite l’autorisation de
l’auteur.