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

MICRO-455: Machine learning I

Résumé

Real-world engineering applications must cope with a large dataset of dynamic variables, which cannot be well approximated by classical or deterministic models. This course gives an overview of methods from Machine Learning for the analysis of non-linear, highly noisy and multi dimensional data

Séances de cours

Enseignant·e·s

Source officielle

https://edu.epfl.ch/coursebook/fr/machine-learning-i-MICRO-455

Page Moodle

http://go.epfl.ch/MICRO-455

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·s

Source officielle

https://edu.epfl.ch/coursebook/fr/machine-learning-i-MICRO-455

Page Moodle

http://go.epfl.ch/MICRO-455

À propos de ce résultat

Séances de ce cours (60)

Prétraitement des données : Défis liés au traitement

Se penche sur les techniques avancées de prétraitement des données, qui couvrent l'encodage catégorique, le traitement des données manquantes et les ensembles de données déséquilibrés, en mettant l'accent sur les mesures des performances et la comparaison des classificateurs.

Kernel K-Means: Preuve de convergence

Explore l'algorithme du noyau K-Means, la preuve de convergence, l'influence du noyau RBF et l'interprétation des regroupements.

Advanced Machine Learning: Fondements et applications

Couvre les fondamentaux de l'apprentissage automatique avancé, mettant l'accent sur les applications pratiques par des exercices et des projets interactifs.

Fondements de l'apprentissage automatique

Couvre des concepts clés et des exemples d'algorithmes et de techniques d'apprentissage automatique.

Pièges et avertissements dans l'apprentissage automatique

Couvre les défis de l'apprentissage automatique, soulignant l'importance de choisir des données et des algorithmes pertinents.

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. ...

DH-406: Machine learning for DH

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 ...

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. ...

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

Afficher plus