Introduction to Riemannian Geometry and Geometric Statistics: From Basic Theory to Implementation with Geomstats
Les données étant une ressource prédominante dans les applications, la géométrie riemannienne est un cadre naturel pour modéliser et unifier des sources de données non linéaires complexes. Cependant, le développement d'outils informatiques à partir de la théorie de base de la géométrie riemannienne est laborieux.
Dans cette monographie, les auteurs présentent une exposition autonome des concepts de base de la géométrie riemannienne d'un point de vue informatique, en fournissant des illustrations et des exemples à chaque étape. Ils démontrent ensuite comment ces concepts sont mis en œuvre dans le projet open-source Geomstats, en expliquant les choix qui ont été faits et les conventions retenues. Le lecteur apprend ainsi en un seul volume la théorie de la géométrie de Riemann et des statistiques géométriques, ainsi que leur mise en œuvre pour réaliser des statistiques et de l'apprentissage automatique sur des manifolds.
Contenant de nombreux exemples pratiques en Python, cette monographie est une ressource précieuse à la fois pour les mathématiciens et les scientifiques appliqués pour apprendre la théorie de la géométrie de Riemann et son utilisation dans la pratique mise en œuvre avec le paquetage Geomstats où la plupart des difficultés sont cachées sous des fonctions de haut niveau.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)