Séance de cours

Optimisation pour l'apprentissage automatique : non convexe

Description

Cette séance de cours couvre l'optimisation non convexe dans le contexte de l'apprentissage automatique, se concentrant sur la descente en gradient sur les fonctions lisses, l'analyse de trajectoire, les modèles linéaires avec des sorties multiples, et minimisant l'erreur des moindres carrés. L'instructeur explique les fondements théoriques et les implications pratiques de ces concepts, fournissant des informations sur les propriétés de convergence et les défis des algorithmes d'optimisation.

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.