Introduction à l'apprentissage automatique

Cette séance de cours introduit le concept de Machine Learning comme la science de permettre aux ordinateurs d'apprendre et d'améliorer de manière autonome par le traitement des données. Les sujets abordés comprennent la reconnaissance des chiffres écrits à la main, les ensembles de formation étiquetés, la classification supervisée, les schémas génériques et les vecteurs caractéristiques. L'instructeur explique l'importance des ensembles de formation étiquetés, de l'apprentissage supervisé et des hypothèses clés dans l'apprentissage automatique. La séance de cours se penche également sur des sujets tels que les limites de décision, la formation et les essais, les modèles linéaires et l'ajustement des courbes polynômes. Des applications pratiques telles que la détection des pourriels, les systèmes de recommandation et la reconnaissance des visages sont discutées, ainsi que les défis des ensembles d'entraînement déséquilibrés et de la classification multiclasses k-NN.