Séance de cours
Apprentissage non supervisé : regroupement et réduction des dimensions
Séances de cours associées (33)
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.
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.
Apprentissage sans supervision : regroupement et réduction de dimensionnalité
Introduit l'apprentissage non supervisé en cluster avec les moyennes K et la réduction de dimensionnalité à l'aide de PCA, ainsi que des exemples pratiques.
Représentation des données : PCA
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.
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.
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.
Réseaux neuronaux : formation et optimisation
Explore la formation, l'optimisation et les considérations environnementales des réseaux neuronaux, avec des informations sur les clusters PCA et K-means.
Introduction à la classification des images
Couvre la classification des images, le clustering et les techniques d'apprentissage automatique telles que la réduction de la dimensionnalité et l'apprentissage par renforcement.
Réduction de dimensionnalité: PCA & t-SNE
Explore PCA et t-SNE pour réduire les dimensions et visualiser efficacement les données à haute dimension.
Estimation du regroupement et de la densité
Couvre la réduction de dimensionnalité, l'APC, les techniques de regroupement et les méthodes d'estimation de la densité.