Explore des algorithmes de graphes comme BFS et DFS, en discutant des chemins les plus courts, des arbres couvrants et du rôle des structures de données.
Explore les applications linéaires dans la représentation R2 et matricielle, y compris la base, les opérations et l'interprétation géométrique des transformations.
Couvre le modèle de bloc stochastique pour la détection de la communauté, en se concentrant sur la détection des communautés, des clusters et des groupes.
Couvre les repères, les systèmes de coordonnées, les cadres et la terminologie en coordonnées, en mettant l'accent sur les angles géométriques et les vecteurs orthogonaux.
Couvre le traitement graphique en mettant l'accent sur Oracle Labs PGX, en discutant de l'analyse graphique, des bases de données, des algorithmes et des défis analytiques distribués.
Explore l'apprentissage à partir de données interconnectées avec des graphiques, couvrant les objectifs de recherche modernes de ML, les méthodes pionnières, les applications interdisciplinaires, et la démocratisation du graphique ML.
Présente la structure de données Union-Find et l'algorithme de Prim pour un minimum d'arbres couvrants dans les graphiques, explorant les coupes et les origines historiques.
