Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Concept

Loss functions for classification

Séances de cours associées (28)

Gradient Descent: Techniques d'optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la descente en gradient, les fonctions de perte et les techniques d'optimisation dans la formation en réseau neuronal.

Gradient Descent: Régression linéaire Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le concept de descente de gradient pour la régression linéaire, en expliquant le processus itératif de mise à jour des paramètres.

Estimation maximale de vraisemblance : modèles linéaires Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'estimation du maximum de vraisemblance dans les modèles linéaires, couvrant le bruit gaussien, l'estimation de la covariance et les machines vectorielles de support pour les problèmes de classification.

Convergence uniforme et théorème de No-Free-Lunch Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la convergence uniforme, les fonctions de perte et le théorème No-Free-Lunch dans l'apprentissage automatique.

Sans titre Connectez-vous à Mediaspace pour regarder cette vidéo

Deep Learning : principes et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les principes fondamentaux de l'apprentissage profond, y compris les données, l'architecture et les considérations éthiques dans le déploiement de modèles.

Arbres de décision et stimulation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les arbres de décision dans l'apprentissage automatique, leur flexibilité, les critères d'impureté et introduit des méthodes de renforcement comme Adaboost.

Réseaux neuronaux : formation et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la formation et l'optimisation des réseaux neuronaux, en abordant des défis tels que les fonctions de perte non convexes et les minima locaux.