Séance de cours

Aperçu de l'apprentissage supervisé

Description

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.

Enseignant
esse cupidatat cupidatat
Do dolor mollit et commodo. Incididunt nulla fugiat id do ea aliquip. Consequat ullamco anim labore incididunt anim minim occaecat ea. Do nostrud laboris est commodo eiusmod occaecat sint sunt magna voluptate ut labore amet nostrud. Non adipisicing exercitation fugiat eu ipsum eu cillum tempor voluptate excepteur ea mollit elit ullamco.
Connectez-vous pour voir cette section
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.
Séances de cours associées (150)
Groupement : moyenne en k
Explique le regroupement des moyennes k, en attribuant des points de données à des grappes en fonction de la proximité et en minimisant les distances carrées à l'intérieur des grappes.
Réseaux neuronaux récurrents : Détection de la langue
Explore la détection des langues à l'aide de réseaux neuronaux récurrents et de concepts d'apprentissage supervisé.
Prédire les précipitations: Miniprojet BIO-322
Introduit un mini-projet où les étudiants prédisent les précipitations à Pully en utilisant l'apprentissage automatique, en mettant l'accent sur la reproductibilité et la qualité du code.
Méthodes de regroupement
Couvre les méthodes de regroupement des moyennes K, hiérarchiques et DBSCAN avec des exemples pratiques.
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.
Afficher plus

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.