Fondements de l'apprentissage automatique

Cette séance de cours présente les concepts fondamentaux de l'apprentissage automatique, y compris la classification statistique, les algorithmes, la régularisation, le PCA, le clustering, l'optimisation, l'apprentissage supervisé, l'apprentissage par renforcement, la fonction de perte, la reconnaissance d'objets, l'arbre de décision, la régression logistique, le compromis biais-variance, ConvNet, l'intelligence artificielle, la science des données, le renforcement des gradients, les réseaux neuronaux et la régression. Il couvre diverses tâches et objectifs dans l'apprentissage automatique, tels que la reconnaissance d'image, la détection du cancer, la segmentation d'image, l'estimation de distance, l'estimation de pose, la génération d'image, le transfert de style, la génération de texte, la traduction automatique, les légendes automatiques, la synthèse vocale, la reconnaissance vocale, la démonstration du théorème, le repliement des protéines et les modèles de fonction cérébrale.