Aperçu de l'apprentissage supervisé

Cette séance de cours porte sur les réseaux neuronaux convolutionnels, l'apprentissage par transfert, les réseaux neuronaux récurrents, les méthodes basées sur les arbres, les machines vectorielles de soutien et la vue d'ensemble de l'apprentissage supervisé. Il traite de l'approximation des fonctions paramétriques et non paramétriques, des modèles de bruit, de l'exploitation de la structure des données et des règles de base pour le choix des méthodes basées sur les types d'entrées. Il explore également le générateur et l'espace d'échantillonnage, ainsi que les objectifs et les méthodes de l'apprentissage non supervisé, y compris les algorithmes de regroupement comme K-Means et le regroupement hiérarchique. La séance de cours met l'accent sur l'importance d'harmoniser soigneusement la régularisation et de prendre des décisions éclairées dans le domaine de l'apprentissage automatique.