Apprentissage non supervisé : recommandation de film
Graph Chatbot
Chattez avec Graph Search
Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
Étudie les défis liés à l'élaboration de systèmes normatifs de recommandations d'information et les considérations éthiques en matière d'IA, de journalisme et de diversité.
Introduit les systèmes de recommandation, le filtrage collaboratif, la recommandation basée sur le contenu, les paramètres de similitude et la factorisation matricielle.
Examine la formation de groupes, l’identité sociale, les stéréotypes et les conflits ethniques, en mettant l’accent sur l’impact de l’ethnocentrisme et des environnements urbains.
Explore des méthodes directes et itératives pour résoudre des équations linéaires, en mettant l'accent sur les matrices symétriques et le coût de calcul.
Explore le contrôle d'accès sous Linux et Windows, couvrant les identités des utilisateurs Unix, les listes de contrôle d'accès aux fichiers, les utilisateurs spéciaux, les super utilisateurs et les listes de contrôle d'accès discrétionnaires de Windows.
Explorer l'analyse des composantes principales pour la réduction des dimensions des ensembles de données et ses implications pour les algorithmes d'apprentissage supervisés.
Explore les systèmes de recommandation, le filtrage collaboratif, les recommandations basées sur le contenu, les mesures de similarité et les méthodes avancées telles que la factorisation matricielle.
