Apprentissage statistique: Principes fondamentaux

Cette séance de cours couvre les bases de l'apprentissage statistique, y compris les différents types d'environnements d'apprentissage, la formalisation de l'apprentissage supervisé, le cadre théorique de décision, la minimisation des risques et les symptômes suradaptés. Il s'inscrit également dans des concepts clés tels que la régularisation de Tikhonov, la régression polynomiale, la réduction de dimensionnalité, les MVS, les réseaux neuronaux et les considérations éthiques dans l'apprentissage automatique.