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

Séance de cours

Optimisation des statistiques et de l'apprentissage automatique : estimation maximale de la probabilité

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (49)

L'essentiel de l'apprentissage supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit les bases de l'apprentissage supervisé, en mettant l'accent sur la régression logistique, la classification linéaire et la maximisation de la probabilité.

Inférence statistique: Modèles linéaires Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'inférence statistique pour les modèles linéaires, couvrant l'ajustement du modèle, l'estimation des paramètres et la décomposition de la variance.

Apprentissage supervisé : Maximisation des probabilités Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'apprentissage supervisé par la maximisation de la probabilité pour trouver les paramètres optimaux.

Régression logistique : modélisation de la probabilité Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la régression logistique pour la classification binaire en utilisant des méthodes de modélisation de probabilité et d'optimisation.

Modèles linéaires généralisés : un bref examen Connectez-vous à Mediaspace pour regarder cette vidéo

Fournit un aperçu des modèles linéaires généralisés, en mettant l'accent sur les modèles de régression logistique et de Poisson, et leur mise en oeuvre dans R.

Modèles linéaires pour la classification: Extensions multi-classes Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires pour la classification multi-classes, en se concentrant sur la régression logistique et les mesures d'évaluation.

Machines vectorielles de soutien: bases et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases des machines vectorielles de support, de la régression logistique, des limites de décision et de l'algorithme k-Nearest Neighbors.

Modèles linéaires: Bases de classification Connectez-vous à Mediaspace pour regarder cette vidéo

Explore des modèles linéaires pour la classification, la régression logistique, SVM, k-NN, et la malédiction de dimensionnalité.

Régression linéaire : Fondements Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases de la régression linéaire, des variables instrumentales, de l'hétéroscédasticité, de l'autocorrélation et de l'estimation du maximum de vraisemblance.

Machine Learning non linéaire : les voisins les plus proches et l’expansion des fonctionnalités Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la transition des modèles linéaires aux modèles non linéaires, en se concentrant sur k-NN et les techniques d'expansion des caractéristiques.

Méthodes de régression : Modèle de construction et d'inférence Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'inférence, la construction de modèles, la sélection de variables, la robustesse, la régression régularisée, les modèles mixtes et les méthodes de régression.

Modèle linéaire général: Sélection du modèle Connectez-vous à Mediaspace pour regarder cette vidéo

Explore le modèle linéaire général, les tests de signification, la sélection du modèle et l'inférence des paramètres.

Expansion des fonctionnalités et méthodes Kernel Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'expansion des fonctionnalités, les méthodes du noyau, la SVM et la classification non linéaire dans l'apprentissage automatique.

Estimation et analyse de la déviance Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre lestimation des paramètres inconnus, lanalyse de lajustement du modèle, la réponse des proies des oiseaux et le diagnostic du modèle.

Estimation du L-Moment : Moments pondérés par la probabilité Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'estimation du L-moment, les moments pondérés en fonction des probabilités et les bases de l'inférence de la probabilité maximale.

Intervalles de confiance et théorèmes des limites MLE Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la construction d'intervalles de confiance et MLE limite les théorèmes pour les grands échantillons.

Théorie statistique : estimation maximale de vraisemblance Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la cohérence et les propriétés asymptotiques de l’estimateur de vraisemblance maximale, y compris les défis à relever pour prouver sa cohérence et construire des estimateurs de type MLE.

Théorie statistique: Inférence et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Il explore la construction de régions de confiance, les tests d'hypothèse inversés et la méthode pivot, en soulignant l'importance des méthodes de probabilité dans l'inférence statistique.

Régression du mélange gaussien : théorie et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la régression du mélange gaussien et le surajustement avec plusieurs fonctions gaussiennes.

Régression linéaire : basiques et descente progressive Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases de la régression linéaire, y compris l'ingénierie des caractéristiques, l'apprentissage supervisé ou non supervisé, et minimise la fonction de coût.

Page 2 sur 3