Séance de cours

La prise de décision dans l’incertitude

Séances de cours associées (45)
Physique statistique des grappes
Explore la physique statistique des clusters, en se concentrant sur la complexité et le comportement d'équilibre.
Classification : Introduction
Couvre le clustering et la classification, la construction de modèles pour affecter des objets à des classes basées sur des valeurs d'attributs.
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.
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.
Introduction à l'apprentissage automatiqueMOOC: IoT Systems and Industrial Applications with Design Thinking
Couvre les bases de l'apprentissage automatique, en se concentrant sur les algorithmes d'apprentissage supervisé et les applications du monde réel.
Prévision de retour des stocks
Couvre les défis et les techniques de prévision du rendement des stocks à l'aide d'un apprentissage supervisé.
Modélisation du système énergétique : aperçu et problèmes d’optimisation
Couvre la modélisation du système énergétique, l'optimisation, les scénarios, les prédictions, les complexités et les controverses dans les modèles énergétiques.
Méthodes de clustering : K-means et DBSCAN
Explore les méthodes de clustering K-means et DBSCAN, en discutant des propriétés, des inconvénients, de l'initialisation et de la sélection optimale des clusters.
Clustering: Théorie et pratique
Couvre la théorie et la pratique des algorithmes de regroupement, y compris PCA, K-means, Fisher LDA, groupement spectral et réduction de dimensionnalité.
K-Means Clustering : bases et applications
Présentation de K-Means Clustering, un algorithme simple mais efficace pour regrouper des points de données en clusters.

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.