Modèles de mélange gaussien : applications dans les systèmes de recommandation

Dans cours

DEMO: eu pariatur

Lorem do culpa in aute aliqua mollit exercitation officia proident occaecat culpa consectetur est fugiat. Nostrud non et in non minim aliqua exercitation velit proident. Voluptate nulla occaecat ipsum quis eiusmod deserunt. Exercitation ut eu enim ipsum.

Connectez-vous pour voir cette section

Description

Cette séance de cours couvre les applications des modèles de mélange gaussien (GMM) dans les systèmes de recommandation, en mettant l'accent sur des sujets tels que la structure du mouvement (SfM), la localisation simultanée et la cartographie (SLAM), et des exemples d'applications du monde réel comme le robot Roomba. L'instructeur discute de l'utilisation du MGM pour le crédit d'image et de son rôle dans la présentation de recommandations personnalisées.

Dans MOOC

Enseignant

cupidatat et ipsum quis

Aliqua dolore occaecat duis ullamco duis excepteur occaecat do eu sint consequat mollit esse. Laborum velit do labore commodo fugiat ad in nulla. Reprehenderit laborum dolore excepteur tempor do voluptate. Esse magna occaecat quis consequat irure ea nisi commodo excepteur est exercitation laborum. Non proident do occaecat voluptate dolore quis mollit consequat duis incididunt. Quis consequat excepteur cupidatat exercitation labore proident deserunt. Qui nulla elit tempor velit mollit.

Connectez-vous pour voir cette section

Source officielle

https://mediaspace.epfl.ch/media/0_xhw2ln03

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 (5)