L'apprentissage automatique des droits de l'homme: HURIDOCS
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.
Explore la collecte de données, la sélection des caractéristiques, la construction de modèles et l'évaluation des performances dans l'apprentissage automatique, en mettant l'accent sur l'ingénierie des caractéristiques et la sélection des modèles.
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.
Explore l'évaluation des modèles d'apprentissage automatique à l'aide de mesures de sortie, de bootstrap et de performance comme le rappel et la précision.
Explore l'importance de la gouvernance mondiale dans l'intelligence artificielle, en mettant l'accent sur les pratiques éthiques, les questions de partialité et la confiance dans les technologies de l'intelligence artificielle.
Explore les protocoles d'évaluation dans l'apprentissage automatique, y compris le rappel, la précision, la précision et la spécificité, avec des exemples du monde réel comme les tests COVID-19.
Explore les critères de performance dans l'apprentissage supervisé, en mettant l'accent sur la précision, le rappel et la spécificité dans l'évaluation des modèles.
Couvre la méthode de tarification hédoniste pour l'évaluation des prix implicites des marchandises et introduit la méthode d'évaluation éventuelle pour l'estimation de la valeur des marchandises environnementales.
Explore la qualité des données, les biais dans les données et l'importance des bonnes pratiques de gouvernance dans les environnements de données urbains.
Explore la qualité des données dans l'analyse du cycle de vie, couvrant le format de l'inventaire, le contrôle, les procédures de mesure, les facteurs d'incertitude et le système d'évaluation de la qualité des données.
Discute de l'évaluation des classificateurs binaires, y compris le rappel, la sensibilité, la spécificité, les courbes ROC et les mesures de performance.
