Ensachage : méthode de régularisation en apprentissage profond

Cette séance de cours couvre le concept de l'ensachage en tant que méthode de régularisation en apprentissage profond, où de multiples variantes d'un modèle sont formées sur différents sous-ensembles de données pour améliorer la généralisation. L'instructeur explique l'algorithme d'ensachage, comment chaque modèle peut être un réseau profond et comment les modèles voient différents ensembles de données. La séance de cours comprend également un quiz sur les avantages de la moyenne des prédictions sur plusieurs modèles dans les compétitions d'apprentissage automatique.