Bases de l'apprentissage automatique

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (31)

Page 3 sur 4

Estimation du regroupement et de la densité

Couvre les algorithmes de clustering, PCA, LDA, K-means, GMM, KDE et Mean Shift pour l'estimation de la densité et le clustering.

Clustering: Comprendre la similitude intra-classe

Examine les concepts de regroupement, en mettant l'accent sur la similarité intra-classe et les méthodes rentables.

Clustering: Apprentissage sans supervision

Explore le clustering dans l'espace à haute dimension, couvrant des méthodes telles que le clustering hiérarchique, K-means et DBSCAN.

Clustering: Apprentissage sans supervision

Explore la réduction de la dimensionnalité, les algorithmes de clustering et l'état de l'apprentissage automatique.

Réduction de la dimensionnalité : PCA et LDA

Couvre les techniques de réduction de dimensionnalité telles que PCA et LDA, les méthodes de clustering, l'estimation de la densité et la représentation des données.

Regroupement: K-means & LDA

Couvre le clustering en utilisant les propriétés K-means et LDA, PCA, K-means, Fisher LDA et le clustering spectral.

Introduction à l'apprentissage automatique

Couvre les bases de l'apprentissage automatique, en se concentrant sur les algorithmes d'apprentissage supervisé et les applications du monde réel.

Méthodes de regroupement

Couvre les méthodes de regroupement des moyennes K, hiérarchiques et DBSCAN avec des exemples pratiques.

Le deep learning dans le contexte de l’IoT

Plongez dans le deep learning pour la classification des images et des objets dans les systèmes IoT, y compris les techniques de clustering et les problèmes de confidentialité.

Fondements de l'apprentissage automatique

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