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

Graph
Search

Cours

DH-406: Machine learning for DH

Résumé

This course aims to introduce the basic principles of machine learning in the context of the digital humanities. We will cover both supervised and unsupervised learning techniques, and study and implement methods to analyze diverse data types, such as images, music and social network data.

Séances de cours

Enseignant·e

Mathieu Salzmann

I am a Senior Researcher at EPFL-CVLab, and, since May 2020, an Artificial Intelligence Engineer at ClearSpace (50%). Previously, I was a Senior Researcher and Research Leader in NICTA's computer vision research group. Prior to this, from Sept. 2010 to Jan 2012, I was a Research Assistant Professor at TTI-Chicago, and, from Feb. 2009 to Aug. 2010, a postdoctoral fellow at ICSI and EECS at UC Berkeley under the supervision of Prof. Trevor Darrell. I obtained my PhD in Jan. 2009 from EPFL under the supervision of Prof. Pascal Fua.

Source officielle

https://edu.epfl.ch/coursebook/fr/machine-learning-for-dh-DH-406

Page Moodle

http://go.epfl.ch/DH-406

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.

Résumé

Séances de cours

Enseignant·e

Mathieu Salzmann

Source officielle

https://edu.epfl.ch/coursebook/fr/machine-learning-for-dh-DH-406

Page Moodle

http://go.epfl.ch/DH-406

À propos de ce résultat

Séances de ce cours (32)

Bases de l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit les bases de l'apprentissage automatique, couvrant l'apprentissage supervisé et non supervisé, la régression linéaire et la compréhension des données.

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

Couvre les bases de la régression linéaire, de la classification binaire et multiclasse, et des mesures d'évaluation.

Modèles du sujet: Allocation de dirichlet latent Connectez-vous à Mediaspace pour regarder cette vidéo

Présente l'attribution des dirichlets latents pour la modélisation des sujets dans les documents, en discutant de son processus, de ses demandes et de ses limites.

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

Couvre les modèles générateurs profonds, y compris LDA, auto-encodeurs, GANs et DCGANs.

Analyse des documents : Modélisation des sujets Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.

Afficher plus

Cours associés (31)

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practised. ...

CS-401: Applied data analysis

This course teaches the basic techniques, methodologies, and practical skills required to draw meaningful insights from a variety of data, with the help of the most acclaimed software tools in the data science world (pandas, scikit-learn, Spark, etc.) ...

EE-556: Mathematics of data: from theory to computation

This course provides an overview of key advances in continuous optimization and statistical analysis for machine learning. We review recent learning formulations and models as well as their guarantees

CS-433: Machine learning

Machine learning methods are becoming increasingly central in many sciences and applications. In this course, fundamental principles and methods of machine learning will be introduced, analyzed and practically implemented. ...

EE-566: Adaptation and learning

In this course, students learn to design and master algorithms and core concepts related to inference and learning from data and the foundations of adaptation and learning theories with applications.

Afficher plus