livres

Les mathématiques ne sont pas une question de nombres, d’équations, de calculs ou d’algorithmes : c’est une question de compréhension.

– William Paul Thurston

Ouvrages publiés


Lectures recommandées

Une sélection de livres qui ont profondément influencé ma recherche et mon enseignement :

  1. Topology and Groupoids — Ronald Brown Un traitement moderne de la topologie algébrique avec une perspective catégorique. Indispensable pour comprendre les fondements topologiques de l’analyse des données. PDF disponible sur le site de l’auteur.

  2. Computational Topology: An Introduction — Herbert Edelsbrunner & John Harer Le texte de référence pour l’analyse topologique des données (TDA), couvrant l’homologie persistante et ses applications algorithmiques.

  3. Elementary Applied Topology — Robert Ghrist Une introduction accessible aux applications de la topologie en ingénierie, robotique et science des données. Illustre magnifiquement la puissance des méthodes topologiques. PDF gratuit sur la page de l’auteur.

  4. Reinforcement Learning: An Introduction — Richard S. Sutton & Andrew G. Barto L’ouvrage fondateur de l’apprentissage par renforcement. Essentiel pour quiconque travaille à l’intersection de la topologie et de l’IA. PDF gratuit sur le site de l’auteur.

  5. Topological Data Analysis with Applications — Gunnar Carlsson & Mikael Vejdemo-Johansson Un guide pratique de la TDA avec des exemples concrets, des algorithmes et des implémentations — le pont entre théorie et pratique. Cambridge University Press, 2021.

The Shape of Data: Geometry-Based Machine Learning and Data Analysis in R cover
UNCATEGORIZED