Skip to content

Unraveling non-linear dimensionality reduction: A guided tour of high-dimensional data

Oferta de tesi de màster

Informació General

Títol de la tesi: Unraveling non-linear dimensionality reduction: A guided tour of high-dimensional data

Data de caducitat: 30/06/2009
Orientació: recerca

Departament del director de la tesi: LSI
Director de la tesi: Alfredo Vellido
Correu electrònic: avellido@lsi.upc.edu

Comentaris:
Se espera que el desarrollo de esta tesis se realice completamente en inglés. La tesis puede conllevar colaboración con grupos de investigación internacionales.

Descripció breu:
Non-linear mapping techniques for dimensionality reduction provide an as-faithful-as-possible representation of multivariate, high-dimensional data. Unfortunately, such non-linearity may be difficult to express intuitively in low-dimensional representation maps. As a result, non-linear mapping methods, even if better than linear ones, are seldom used in real-world applications. The student of this master’s thesis is expected to develop user-interactive methods to alleviate this problem in some specific non-linear mapping models.

Requisits mínims i coneixements previs:
Familiaridad con el análisis y exploración de datos. Se valorarán conocimientos de técnicas de machine learning, así como el interés en la extracción de conocimiento mediante visualización de la información, y familiaridad con Matlab o software similar de análisis matemático. Imprescindible buen nivel de inglés técnico escrito.