Séance de cours

Évaluation du rendement : Démarrage et mesure du rendement

Explore la courbe ROC, le taux vrai positif, le taux faux positif et les probabilités de prédiction dans les modèles de classification.

L'équité dans l'apprentissage automatique

Explore les sources d'injustice dans l'apprentissage automatique, l'importance des mesures d'équité et l'évaluation des prédictions des modèles à l'aide de diverses mesures d'équité.

L'apprentissage automatique des droits de l'homme: HURIDOCS

Explore l'apprentissage automatique des droits de l'homme, en mettant l'accent sur la définition des objectifs, le traitement des faux positifs et négatifs, et en assurant la transparence et la confiance.

Évaluation en PNL

Se penche sur l'évaluation de la PNL, couvrant les normes d'or, la précision, le rappel et la signification statistique.

Tests diagnostiques : sensibilité et spécificité

Explique la sensibilité, la spécificité, la courbe ROC et la précision dans les tests de diagnostic.

Le théorème de Riesz-Kakutani

Explore la construction des mesures, en mettant l'accent sur les fonctions positives et leur connexion au théorème Riesz-Kakutani.

Applied Machine Learning: Caractéristiques et Modèles

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.

Classement: Arbres de décision et kNN

Introduit des arbres de décision et des voisins k-nearest pour les tâches de classification, explorant des mesures comme la précision et l'ASC.

Bases de l'apprentissage automatique

Introduit les bases de l'apprentissage automatique, y compris la collecte de données, l'évaluation des modèles et la normalisation des fonctionnalités.

Études d'associations à l'échelle du génome : analyse statistique

Explique l'analyse statistique des études d'association à l'échelle du génome et l'importance de l'ajustement pour de multiples tests.