Séance de cours
Ensachage : méthode de régularisation en apprentissage profond
Séances de cours associées (62)
Introduction à l'apprentissage automatique : apprentissage supervisé
Introduit l'apprentissage supervisé, couvrant la classification, la régression, l'optimisation des modèles, le surajustement, et les méthodes du noyau.
Réseaux neuronaux récurrents : Détection de la langue
Explore la détection des langues à l'aide de réseaux neuronaux récurrents et de concepts d'apprentissage supervisé.
L’intelligence artificielle dans la finance
Plongez dans l'application de l'intelligence artificielle dans la finance, en explorant des outils tels que les réseaux neuronaux et les techniques bayésiennes, les cas d'utilisation réussis dans la détection des fraudes et les robots-conseillers, et l'importance de l'interprétabilité dans les modèles d'apprentissage automatique.
La malédiction de la dimensionnalité dans l'apprentissage profond
Se penche sur les défis de l'apprentissage profond, en explorant la dimensionnalité, les performances et les phénomènes sur-adaptés dans les réseaux neuronaux.
Apprendre du monde interconnecté avec les graphiques
Explore l'apprentissage de données interconnectées à l'aide de graphiques, couvrant les défis, la conception du GNN, les paysages de recherche et la démocratisation du graphique ML.
L'apprentissage automatique efficace grâce à la synthèse des données
Explore l'apprentissage automatique efficace par la synthèse des données, couvrant les défis, les méthodes et les applications impactées dans divers domaines.
Modélisation de données dans les neurosciences: Meenakshi Khosla
Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.
Récapitulation des réseaux neuraux : fonctions d'activation
Couvre les bases des réseaux neuronaux, des fonctions d'activation, de la formation, du traitement d'image, des CNN, de la régularisation et des méthodes de réduction de dimensionnalité.
Réseaux neuronaux profonds
Couvre l'algorithme de rétro-propagation pour les réseaux neuronaux profonds et l'importance de la localité dans CNN.
Réseaux neuronaux profonds : formation et optimisation
Explore l'entraînement, l'optimisation, la prévention des surajustements et différentes architectures de réseau.