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.
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. ...
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. ...
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
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.) ...
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 imag ...
Introduit une analyse de régression, couvrant les modèles linéaires et non linéaires, la régression de Poisson et l'analyse du temps de défaillance à l'aide de divers ensembles de données.
Explore l'interprétation des réponses binaires, les fonctions de liaison, la régression logistique et la sélection des modèles à l'aide de déviances et de critères d'information.
Couvre les moindres carrés pondérés itératifs, la vérification du modèle, la régression de Poisson et lajustement des modèles multinomiels en utilisant les erreurs de Poisson.