Séance de cours
Choix discret et apprentissage automatique: deux méthodologies
Description
Cette séance de cours explore les méthodologies complémentaires du choix discret et de l'apprentissage automatique, en mettant l'accent sur les notations, les variables, les modèles, les processus de production de données, l'extrapolation, l'analyse, la représentativité de l'échantillon, les implications, les exemples, l'interprétation des résultats, les indicateurs avec les modèles ML, les tendances de la recherche et la bibliographie pertinente.
Dans MOOCs (2)
Selected Topics on Discrete Choice
Discrete choice models are used extensively in many disciplines where it is important to predict human behavior at a disaggregate level. This course is a follow up of the online course “Introduction t
Selected Topics on Discrete Choice
Discrete choice models are used extensively in many disciplines where it is important to predict human behavior at a disaggregate level. This course is a follow up of the online course “Introduction t
Enseignant
et aliqua qui non
Sit occaecat elit ipsum eiusmod voluptate enim exercitation nisi labore est. Adipisicing ut sint cillum Lorem magna sunt eiusmod ex anim incididunt ullamco fugiat cillum dolore. Laboris quis non duis reprehenderit exercitation ullamco amet duis id. Sunt nulla amet nostrud cillum aliqua nostrud sunt est incididunt do Lorem culpa commodo. Nostrud adipisicing cillum incididunt ut reprehenderit.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Séances de cours associées (35)
Analyse des documents : Modélisation des sujets
Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.
Régression logistique : prédiction de la végétation
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Transformations des intrants ou des extrants
Couvre le traitement des données manquantes, l'ingénierie des fonctionnalités et les transformations de sortie dans l'apprentissage automatique.
Régression linéaire : Inférence statistique et régularisation
Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.
Analyse des choix discrets
Explore l'intégration de l'apprentissage automatique dans des modèles à choix discrets, en soulignant l'importance des contraintes théoriques et des approches hybrides de modélisation.