Fondements de l'apprentissage automatique : Découverte de la structure, classification, régression

Description

Cette séance de cours porte sur des concepts fondamentaux d'apprentissage automatique tels que la découverte de la structure par l'intermédiaire de l'APC et du regroupement, la classification en utilisant la règle Bayes, le k-NN et le SVM, et la régression avec les moindres carrés ordinaires et le SVR. Il se penche également sur les techniques d'évaluation des modèles et les détails de préparation des examens.

Connectez-vous pour regarder la vidéo

Source officielle

https://mediaspace.epfl.ch/media/0_1c7j9h1y

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

Statistique

Analyse des données: Régression (statistiques)

Information engineering

Apprentissage automatique: Apprentissage non supervisé, Apprentissage automatique

Séances de cours associées (60)

Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.

Introduit l'apprentissage supervisé, couvrant la classification, la régression, l'optimisation des modèles, le surajustement, et les méthodes du noyau.

Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.

Couvre la représentation des données à l'aide de PCA pour la réduction de la dimensionnalité, en se concentrant sur la préservation du signal et l'élimination du bruit.

Couvre l'apprentissage supervisé en mettant l'accent sur la régression linéaire, y compris des sujets comme la classification numérique, la détection des pourriels et la prédiction de la vitesse du vent.

Afficher plus