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

Cours

EE-411: Fundamentals of inference and learning

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de ce cours (30)

Modèles génératifs: Crash Course

Offre un cours intensif sur les modèles génératifs, couvrant les familles exponentielles, les méthodes d'échantillonnage et l'algorithme Metropolis.

Cours intensif sur les méthodes d'ensemble: Ensachage et Boosting

Couvre les méthodes d'ensemble, AdaBoost et les poids de réglage pour les classificateurs.

Renforcement de l'apprentissage : Q-Learning

Introduit Q-Learning, Deep Q-Learning, l'algorithme REINFORCE et Monte-Carlo Tree Search dans l'apprentissage par renforcement, aboutissant à AlphaGo Zero.

Toutes les probabilités : Basic Bounds, LLN & CLT

Introduit les limites de base, LLN et CLT dans la théorie des probabilités, en mettant l'accent sur la convergence vers la distribution normale.

Toutes les probabilités : LLN, CLT, Chernoff et PAC

Couvre la loi des grands nombres, le théorème de la limite centrale, les limites de Chernoff et les limites de PAC dans la théorie des probabilités.

Probabilité maximale, MSE, Fisher Information, Cramér-Rao Bound

Explique l'estimation de maximum de vraisemblance, MSE, Fisher information, et Cramér-Rao lié dans l'inférence statistique.

Apprentissage supervisé Intro: MaxL Efficiency

Couvre l'efficacité de l'apprentissage supervisé, MaxL, les estimateurs impartiaux, le calcul MSE et les grands ensembles de données.

Validation et méthode k-Nearest Neighbors

Introduit des concepts d'apprentissage supervisé et la méthode k-Nearest Neighbors pour les tâches de classification et de régression.

Apprentissage supervisé avec kNN : modèle de régression

Couvre un modèle mathématique simple pour lapprentissage supervisé avec k-plus proches voisins en régression.

Descente progressive

Couvre le concept de descente de gradient dans les cas scalaires, en se concentrant sur la recherche du minimum d'une fonction en se déplaçant itérativement dans la direction du gradient négatif.

Page 2 sur 2