Apprentissage sans supervision : regroupement

Cette séance de cours couvre les concepts d'apprentissage non supervisé, en mettant l'accent sur les techniques de clusters comme le cluster hiérarchique, le cluster de partitionnement et l'apprentissage semi-supervisé. Il explique les principes qui sous-tendent le cluster, les différents algorithmes comme les moyennes k, et les défis rencontrés dans les méthodes de cluster. L'instructeur discute des applications de l'apprentissage non supervisé dans divers domaines, y compris l'analyse des données, la bioinformatique et le commerce électronique. La séance de cours se penche également sur la complexité des algorithmes de regroupement, l'importance des mesures de similarité et le processus d'estimation des paramètres dans les modèles de regroupement probabilistes.