Séance de cours
Régression logistique : prédiction de la végétation
Séances de cours associées (801)
Introduction à la science des données
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
Traitement statistique du signal
Couvre les modèles de mélange gaussien, le denoising, la classification des données et le tri à laide de lanalyse en composantes principales.
Programmation R : conditions, boucles, fonctions et graphiques
Couvre les conditions, les boucles, les fonctions et les graphiques en programmation R avec des exemples pratiques.
Ingénierie des caractéristiques: Régression polynomiale
Couvre en fonction de la régression linéaire sur les caractéristiques des prédicteurs d'origine pour la représentation flexible des caractéristiques.
Analyse des documents : Modélisation des sujets
Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.
Régression linéaire et régression logistique
Couvre la régression linéaire et logistique pour les tâches de régression et de classification, en mettant l'accent sur les fonctions de perte et la formation de modèle.
Méthodes numériques : équations différentielles
Couvre l'application de méthodes numériques pour résoudre des équations différentielles à l'aide de MATLAB.
Introduction générale aux données massives
Couvre les outils de science des données, Hadoop, Spark, les écosystèmes des lacs de données, le théorème CAP, le traitement par lots vs. flux, HDFS, Hive, Parquet, ORC, et l'architecture MapReduce.
Paradoxe bus rouge/bus bleu
Explore le paradoxe du bus rouge/bus bleu, les modèles de logit imbriqués et les modèles multivariés d'extrême valeur dans le transport.
Programmation Matlab: Script et Fonction
Explore la programmation Matlab avec des scripts et des fonctions, vectorisation et graphiques 2D.