Concept
Classement automatique
Séances de cours associées (302)
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Classement multiclasses
Couvre le concept de classification multiclasse et les défis de la séparation linéaire des données avec les classes multiples.
Réseaux neuronaux multicouches: Deep Learning
Couvre les fondamentaux des réseaux neuronaux multicouches et de l'apprentissage profond.
Vue d'ensemble de la machine à vecteur de soutien
Donne une vue d'ensemble des machines vectorielles de support, en comparant les avantages et les inconvénients de SVM avec d'autres classificateurs.
Science des matériaux: Introduction
Couvre les bases de la science des matériaux, y compris la classification, la perspective historique, la structure atomique et la sélection des matériaux.
Fiche de données de sécurité : Comprendre les dangers chimiques
Explique l'importance des fiches de données de sécurité dans la gestion des risques chimiques.
Classification multi-classes : approches et limites
Explique les stratégies de classification multi-classes et le concept de limites de décision.
Classification linéaire : Régression logistique
Couvre la classification linéaire en utilisant la régression logistique, la régularisation et la classification multiclasse.
SVM et classification multi-classes
Couvre la classification SVM et multiclasse en utilisant des approches un-contre-tout et un-contre-un.
Modèles linéaires pour la classification: Partie 3
Explore les modèles linéaires pour la classification, y compris la classification binaire, la régression logistique, les limites de décision et les machines vectorielles de support.