Séances du DH-406: Machine learning for DH

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.

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

Explore les modèles linéaires, la régression logistique, la descente en gradient et la régression logistique multi-classes avec des applications pratiques et des exemples.

Modèles linéaires: Bases de classification Connectez-vous à Mediaspace pour regarder cette vidéo

Explore des modèles linéaires pour la classification, la régression logistique, SVM, k-NN, et la malédiction de dimensionnalité.

Expansion des fonctionnalités et des amandes Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'expansion des fonctionnalités, les noyaux, SVM, et la classification non linéaire dans l'apprentissage automatique.

Fondements de l'apprentissage automatique : régularisation et validation croisée Connectez-vous à Mediaspace pour regarder cette vidéo

Explore le surajustement, la régularisation et la validation croisée dans l'apprentissage automatique, soulignant l'importance de l'expansion des fonctionnalités et des méthodes du noyau.

Représentations et traitement des données Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les représentations de données, le surajustement, la sélection de modèles, le sac de mots et l'apprentissage avec des données déséquilibrées.

Les principes fondamentaux de l'apprentissage profond Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des fondamentaux d'apprentissage profond, couvrant les représentations de données, les réseaux neuronaux et les réseaux neuronaux convolutionnels.

Réduction de dimensionnalité: PCA & t-SNE Connectez-vous à Mediaspace pour regarder cette vidéo

Explore PCA et t-SNE pour réduire les dimensions et visualiser efficacement les données à haute dimension.

Estimation du regroupement et de la densité Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la réduction de dimensionnalité, l'APC, les techniques de regroupement et les méthodes d'estimation de la densité.

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

Couvre les bases de l'apprentissage automatique, y compris l'apprentissage supervisé et non supervisé, la régression linéaire et la classification.

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

Introduit des modèles linéaires dans l'apprentissage automatique, couvrant les bases, les modèles paramétriques, la régression multi-sorties et les mesures d'évaluation.

Modèles du sujet: Comprendre les structures latentes Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les modèles thématiques, les modèles de mélange gaussien, la répartition des dirichlets latents et l'inférence variationnelle dans la compréhension des structures latentes à l'intérieur des données.

Modèles de génération profonde: Codeurs automatiques et GANs Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les codeurs automatiques et les réseaux d'adversaires génériques pour la modélisation generative profonde.

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.

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

Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.

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.