Passer au contenu principal

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

Graph
Search

Recherche

Afficher tous les résultats pour

Accueil

Concept

Fonction logistique (Verhulst)

Applied sciences
Information engineering
Apprentissage automatique
Réseau de neurones artificiels

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (31)

Connectez-vous pour filtrer par séance de cours

Régression logistique : classification Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'apprentissage supervisé, la classification à l'aide de la régression logistique et les défis de l'optimisation.

Modèles linéaires pour la classification: Extensions multi-classes Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires pour la classification multi-classes, en se concentrant sur la régression logistique et les mesures d'évaluation.

Modèles linéaires: Partie 2 Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires, la classification binaire et multi-classes, et la régression logistique avec des exemples pratiques.

Régression logistique : Fondements et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les fondamentaux de régression logistique, y compris les fonctions de coût, la régularisation et les limites de classification, avec des exemples pratiques utilisant scikit-learn.

Régression logistique : fonctions de coût et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la régression logistique, les fonctions de coût, la descente en gradient et la modélisation de probabilité à l'aide de la fonction sigmoïde logistique.

Méthodes de gradient de politique dans l'apprentissage par renforcement Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les méthodes de gradient de politique dans l'apprentissage du renforcement, en se concentrant sur les techniques d'optimisation et les applications pratiques comme le problème du poteau.

Principes fondamentaux de l'apprentissage supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Présente les principes fondamentaux de l'apprentissage supervisé, y compris les fonctions de perte et les distributions de probabilité.

Modèles linéaires : suite Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les modèles linéaires, la régression, la prédiction multi-sorties, la classification, la non-linéarité et l'optimisation basée sur le gradient.

Modèles de génération profonde: Partie 2 Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les modèles générateurs profonds, y compris les mélanges de multinômes, PCA, autoencodeurs profonds, autoencodeurs convolutionnels, et GANs.

Modèles paramétriques: Densités logistiques et de dirichlet Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les densités logistiques et de dirichlet, les modèles paramétriques et les alternatives asymétriques.

Réseaux de neurones : caractéristiques d’apprentissage et prédiction linéaire Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la capacité des réseaux de neurones à apprendre des fonctionnalités et à faire des prédictions linéaires, en soulignant l'importance de la quantité de données pour une performance efficace.

Page 2 sur 2