Libri UniversitariApri il catalogo

Applications – Landsberg Graduate Studies in Mathematics

Libro adottato a Trento, a.a. 2026/2027 · 1 canale

«Applications – Landsberg Graduate Studies in Mathematics» è adottato per Tensor Decomposition For Big Data Analysis dal prof. Alessandra Bernardi (Mathematics – sede di Trento – Trento).

Applications – Landsberg Graduate Studies in MathematicsCerca su Amazon ›

Come lo indica il docente: Geometry and Applications J.M. Landsberg Graduate Studies in Mathematics, Vol 128, American Mathematical Society 2) Invitation to Nonlinear algebra, Mateusz Michalek, Bernd Sturmfels, Springer 3) Tensor Decompositions for Data Science, 2025, Grey Ballard and Tamara G. Kolda. 4) Nonnegative Matrix Factorization, Nicolas Gillis, SIAM. 5) Note del corso

Chi lo adotta

Programma e testi di ogni canale

Tensor Decomposition For Big Data Analysis – Prof. Alessandra Bernardi Canale unico

Corso di laurea: Mathematics – sede di Trento · Laurea magistrale (LM-40) · esame facoltativo · Mathematics and Statistics for Life and Social Sciences · 6 CFU

Trento · Dipartimento di Matematica · 6 CFU · apri nel catalogo · Mathematics – sede di Trento · 2º anno · 1º semestre ›

Tensors

Applications – Landsberg Graduate Studies in Mathematicsquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Landsberg – Geometry and applicationsCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Michałek – Invitation to nonlinear algebraCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Ballard – Tensor decompositions for data scienceCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Libri consigliati nell'a.a. 2025/2026
Invitation to Nonlinear algebra, Mateusz Michalek, Bernd Sturmfels,Cerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Tamara – KoldaCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: Il corso si articola in cinque parti principali. 1. Introduzione: decomposizioni, big data e applicazioni - Motivazione: compressione, riduzione della dimensionalità, estrazione di feature, separazione di segnali e interpretabilità. - Richiami di decomposizioni matriciali: QR, SVD, PCA e Nonnegative Matrix Factorization.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Si studia insieme a