Séance de cours
Introduction à l'apprentissage automatique
Séances de cours associées (43)
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.
Apprentissage supervisé non linéaire
Explore le biais inductif de différentes méthodes d'apprentissage supervisé non linéaires et les défis de l'accordage hyperparamétrique.
Amélioration des modèles du chemin visuel ventral
Explore les modèles de calcul du système visuel ventral, en se concentrant sur l'optimisation des réseaux pour les tâches réelles et la comparaison avec les données cérébrales.
Introduction à l'apprentissage automatique
Couvre les bases de l'apprentissage automatique pour les physiciens et les chimistes, en mettant l'accent sur la classification des images et l'étiquetage des ensembles de données.
Fondements de l'apprentissage automatique
Couvre les concepts fondamentaux de l'apprentissage automatique, y compris la classification, les algorithmes, l'optimisation, l'apprentissage supervisé, l'apprentissage par renforcement et diverses tâches telles que la reconnaissance d'images et la génération de texte.
Échanges de devises
Explore le sous-ajustement, le surajustement et le compromis entre les variables de biais dans les modèles d'apprentissage automatique.
Optimisation des plans de papier
Explore l'optimisation des plans de papier et des structures douces pour la génération de poussées.
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.
Introduction à l'apprentissage automatique
Introduit des concepts d'apprentissage automatique, des bases aux réseaux neuronaux avancés.
Méthodes de noyau: Réseaux neuronaux
Couvre les fondamentaux des réseaux neuronaux, en mettant l'accent sur les noyaux RBF et SVM.