Cours

PHYS-642: Statistical physics for optimization & learning

Résumé

This course covers the statistical physics approach to computer science problems, with an emphasis on heuristic & rigorous mathematical technics, ranging from graph theory and constraint satisfaction to inference to machine learning, neural networks and statitics.

Séances de cours

Enseignant·e·s (3)

Florent Gérard Krzakala

Damien Yves Valery Barbier

Ludovic Théo Stephan

Source officielle

https://edu.epfl.ch/coursebook/fr/statistical-physics-for-optimization-learning-PHYS-642

Page Moodle

http://go.epfl.ch/PHYS-642

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

Séances de cours

Enseignant·e·s (3)

Florent Gérard Krzakala

Damien Yves Valery Barbier

Ludovic Théo Stephan

Source officielle

https://edu.epfl.ch/coursebook/fr/statistical-physics-for-optimization-learning-PHYS-642

Page Moodle

http://go.epfl.ch/PHYS-642

À propos de ce résultat

Séances de ce cours (44)

Modèle Curie Weiss

Couvre le modèle Curie-Weiss en physique statistique, y compris la probabilité d'aimantation, l'entropie libre et la méthode de cavité.

Coloration graphique III

Explore les propriétés des grappes et le seuil de coloration dans la coloration graphique, y compris la connectivité moyenne et la rigidité.

Problème de satisfaction des contraintes

Couvre le problème de satisfaction des contraintes aléatoires et explore des méthodes pour résoudre les problèmes de satisfaction des contraintes.

Grand nombre de couleurs

Explore la relation entre les couleurs et la condensation dans les algorithmes de regroupement.

Propagation de l'enquête: Méthode de la cavité

Explore l'algorithme de propagation de l'enquête et son application pour résoudre les problèmes de satisfaction des contraintes.

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. ...

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. ...

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

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.) ...

Afficher plus