Séance de cours

Optimisation des plans de papier

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.

Séances de cours associées (64)

Introduction à l'apprentissage supervisé et à la théorie de la décision

Couvre l'apprentissage supervisé, la théorie de la décision, la minimisation des risques et la réalisation des objectifs.

Fondements de l'apprentissage automatique

Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.

Définition de robots MOOC: Thymio: un robot pour se former à l'informatique

Plonge dans la définition des robots, en mettant l'accent sur leur programmabilité et leur capacité à effectuer des actions complexes.

Représentation de l'image

Explore l'évolution de la représentation de l'image, les défis dans l'apprentissage supervisé, les avantages de l'apprentissage auto-supervisé, et les progrès récents dans SSL.

Robotique Recherche : MOBOTS

Explore la conception de petits robots pour des applications interdisciplinaires, y compris l'interaction animale et la robotique éducative.

Évitement d'obstacle avec DS

Explore l'évitement des obstacles en utilisant Dynamical Systems pour les robots, en se concentrant sur la modulation, les garanties de stabilité et la théorie de la contraction.

Estimation du regroupement et de la densité

Couvre les algorithmes de clustering, PCA, LDA, K-means, GMM, KDE et Mean Shift pour l'estimation de la densité et le clustering.

Différents types d'apprentissage

Couvre l'apprentissage des neurorobotiques supervisé, non supervisé et renforcé.

Learning and Adaptive Control for Robots: Extensions à DS

Explore les systèmes dynamiques couplés et non couplés, la stabilité, le couplage main-bras et l'adaptation en robotique.

Coopération des robots d'assistance

Explore la coopération des robots d'assistance à l'amélioration de la productivité des soins infirmiers et à la création d'une société dynamique d'ici 2050.

Introduction à la ML pour les données comportementales

Couvre les approches d'apprentissage automatique pour la personnalisation et leur application dans le monde réel, en mettant l'accent sur les devoirs, les projets et les commentaires.

Acquérir des données pour l'apprentissage : approches et défis modernes

Explore les approches et les défis modernes en matière d'acquisition de données pour l'apprentissage de contrôleurs optimaux au moyen de démonstrations et de méthodes axées sur les données.

Extraction d'information: Méthodes et applications

Explore les méthodes d'extraction de l'information, y compris les approches traditionnelles et fondées sur l'intégration, l'apprentissage supervisé, la surveillance à distance et l'induction taxonomique.

Fondements de l'apprentissage automatique

Couvre les principes fondamentaux et les méthodes de l'apprentissage automatique, y compris les techniques d'apprentissage supervisé et non supervisé.

Apprentissage supervisé : arbre k-NN et arbre de décision

Introduit l'apprentissage supervisé avec k-NN et les arbres de décision, couvrant les techniques, les exemples et les méthodes d'ensemble.

Fondements de l'apprentissage automatique

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

Estimation du regroupement et de la densité

Couvre les techniques de réduction de dimensionnalité, de regroupement et d'estimation de la densité, y compris l'ACP, les moyennes K, le MGM et le décalage moyen.

Apprentissage autosupervisé pour les véhicules autonomes

Explore l'apprentissage autosupervisé pour les véhicules autonomes, en dérivant des étiquettes de données elles-mêmes et en discutant de ses applications et de ses défis.

Extraction de l'information : approches et techniques

Couvre les approches d'extraction d'informations, y compris les modèles écrits à la main et l'apprentissage supervisé.

Bases de la robotique : définitions et applications

Introduit les bases de la robotique, couvrant les définitions, les classifications et les statistiques, et explore l'évolution et les applications de différents types de robots.