Cours

EE-566: Adaptation and learning

Résumé

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.

Séances de cours

Enseignant·e·s

Source officielle

https://edu.epfl.ch/coursebook/fr/adaptation-and-learning-EE-566

Page Moodle

http://go.epfl.ch/EE-566

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.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Résumé

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.

Séances de cours

Enseignant·e·s

Source officielle

https://edu.epfl.ch/coursebook/fr/adaptation-and-learning-EE-566

Page Moodle

http://go.epfl.ch/EE-566

À propos de ce résultat

Séances de ce cours (28)

Différenciation vectorielle et fonctions convexes

Couvre les concepts de différenciation vectorielle et de fonctions convexes.

Sous-gradants et fonctions convexes

Explore les sous-gradients dans les fonctions convexes, mettant l'accent sur les scénarios et les propriétés des subdifférentiels non dissociables mais convexes.

Classification des baies naïves

Introduit le classificateur Naive Bayes, qui couvre les hypothèses d'indépendance, les probabilités conditionnelles et les applications dans la classification des documents et le diagnostic médical.

Analyse discriminante linéaire: Méthodes génériques

Couvre l'analyse discriminante linéaire (ALD) comme méthode génératrice de classement.

Analyse des composantes principales : réduction de la dimensionnalité

Explorer l'analyse des composantes principales pour la réduction de dimensionnalité et la sélection de fonctionnalités non supervisées.

Afficher plus

Cours associés (32)

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. ...

MATH-412: Statistical machine learning

A course on statistical machine learning for supervised and unsupervised learning ...

MATH-232: Probabilités et statistique (pour IC)

Cours d'introduction à la théorie des probabilités et aux statistiques. ...

PHYS-512: Statistical physics of computation

The students understand tools from the statistical physics of disordered systems, and apply them to study computational and statistical problems in graph theory, discrete optimisation, inference and machine learning. ...

MGT-418: Convex optimization

This course introduces the theory and application of modern convex optimization from an engineering perspective. ...

Afficher plus