Introduction à l'apprentissage automatique

Cette séance de cours présente les bases de l'apprentissage automatique pour les physiciens et les chimistes, en mettant l'accent sur les concepts d'intelligence artificielle. Il couvre des exemples de tâches telles que la classification des images, l'étiquetage des ensembles de données et les ensembles de formation. L'instructeur explique l'objectif d'identifier si une image contient un chat ou un chien, en utilisant des ensembles de données de photos. La séance de cours se penche également sur l'importance des ensembles de formation, des ensembles d'essais et du concept de regroupement. De plus, il traite de l'application de l'apprentissage automatique à l'identification des modèles d'images médicales et à la prévision des résultats pour les patients.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Séances de cours associées (807)

Concepts associés (176)

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practi

Chien

Le Chien (Canis lupus familiaris) est la sous-espèce domestique de Canis lupus (Loup gris), un mammifère de la famille des Canidés (Canidae), laquelle comprend également le dingo, chien domestique retourné à l'état sauvage. Le Loup est la première espèce animale à avoir été domestiquée par l'Homme pour l'usage de la chasse dans une société humaine paléolithique qui ne maîtrise alors ni l'agriculture ni l'élevage.

Chat

Le Chat domestique (Felis catus) est une espèce de mammifères carnivores, de la famille des Félidés. Issu de la domestication du chat sauvage Felis silvestris, il était anciennement considéré comme une sous-espèce de celui-ci, sous la dénomination Felis silvestris catus. Le Chat domestique est l’un des principaux animaux de compagnie et compte aujourd’hui une cinquantaine de races différentes reconnues par les instances de certification. Dans de très nombreux pays, le chat entre dans le cadre de la législation sur les carnivores domestiques à l’instar du chien et du furet.

Chat haret

vignette|upright=1.5|Chats harets s'abreuvant à Istanbul (Turquie). vignette|upright=1.5|Chat haret en posture d'intimidation, Galice (Espagne). Le chat haret, ou chat errant, est un chat domestique (petit félin de la sous-espèce Felis silvestris catus), retourné à l'état sauvage ou semi-sauvage, par le phénomène du marronnage. Il a pu vivre en compagnie d'êtres humains au cours de son existence, avant de fuir ou d'être abandonné, ou bien être né loin d'eux, en étant issu d'une lignée dont le retour à l'état sauvage remonte à plusieurs générations.

Robe noire du chat

La robe noire du chat est due aux poils noirs et à la peau également pigmentée. L'apparition des poils noirs est codée par le gène B dont on reconnaît trois allèles. La couleur noire est souvent réduite au chat unicolore noir, cependant, elle peut se marier avec tous les patrons de robe de chat. La robe unie noire du chat est associée en Occident à de nombreuses superstitions ; par exemple, dans beaucoup des pays, croiser un chat noir porterait malheur. Les anarchistes ont fait du chat noir un de leurs symboles.

Jeux d'entrainement, de validation et de test

En apprentissage automatique, une tâche courante est l'étude et la construction d'algorithmes qui peuvent apprendre et faire des prédictions sur les données. De tels algorithmes fonctionnent en faisant des prédictions ou des décisions basées sur les données, en construisant un modèle mathématique à partir des données d'entrée. Ces données d'entrée utilisées pour construire le modèle sont généralement divisées en plusieurs jeux de données .

Apprentissage automatique pour les physiciens et les chimistes : Classification de l'image

Couvre les fondamentaux de l'apprentissage automatique pour les physiciens et les chimistes, en mettant l'accent sur les tâches de classification d'images à l'aide de l'intelligence artificielle.

Fondements de l'apprentissage automatique DH-406: Machine learning for DH

Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.

Analyse des documents : Modélisation des sujets DH-406: Machine learning for DH

Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.

Groupement : moyenne en k PHYS-467: Machine learning for physicists

Explique le regroupement des moyennes k, en attribuant des points de données à des grappes en fonction de la proximité et en minimisant les distances carrées à l'intérieur des grappes.

Introduction à la classification des images PHYS-467: Machine learning for physicists

Couvre la classification des images, le clustering et les techniques d'apprentissage automatique telles que la réduction de la dimensionnalité et l'apprentissage par renforcement.