Séance de cours
Formation adversaire : Optimisation et applications
Séances de cours associées (32)
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.
Deep Learning : réseaux neuronaux convolutifs
Présente les réseaux neuronaux convolutifs, en expliquant leur architecture, leur processus de formation et leurs applications dans les tâches de segmentation sémantique.
Réseaux neuronaux multicouches: Deep Learning
Couvre les fondamentaux des réseaux neuronaux multicouches et de l'apprentissage profond.
Régression logistique : Interprétation probabiliste
Couvre l'interprétation probabiliste de la régression logistique, la régression multinomiale, le KNN, les hyperparamètres et la malédiction de la dimensionnalité.
Optimisation des réseaux neuraux
Explore l'optimisation des réseaux neuronaux, y compris la rétropropagation, la normalisation des lots, l'initialisation du poids et les stratégies de recherche d'hyperparamètres.
Convergence des réseaux neuraux
Explore la convergence des réseaux neuronaux à travers l'adaptation des paramètres et l'alternance des regrets, en mettant l'accent sur l'événement NeurIPS 2023 à l'EPFL.
Deep Learning : réseaux neuronaux convolutifs
Couvre les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.
Réseaux neuronaux multicouches
Couvre les bases des réseaux neuronaux multicouches et le processus d'entraînement des réseaux entièrement connectés avec des couches cachées.
Réseaux neuronaux : Réseau neuronal à deux couches
Couvre les bases des réseaux neuraux, en mettant l'accent sur le développement des réseaux neuraux de deux couches vers les réseaux neuraux profonds.
Introduction à l'apprentissage automatique : apprentissage supervisé
Introduit l'apprentissage supervisé, couvrant la classification, la régression, l'optimisation des modèles, le surajustement, et les méthodes du noyau.