Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Fondements de l'apprentissage automatique : régularisation et validation croisée

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (55)

Régularisation de l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des techniques de régularisation pour éviter une suradaptation dans les modèles d'apprentissage automatique.

Apprentissage supervisé: Méthodes de régression Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'apprentissage supervisé en mettant l'accent sur les méthodes de régression, y compris l'ajustement des modèles, la régularisation, la sélection des modèles et l'évaluation du rendement.

Techniques de régularisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la régularisation dans des modèles linéaires, y compris la régression de crête et le Lasso, les solutions analytiques et la régression de crête polynomiale.

Fondements de l'apprentissage automatique : suradaptation et régularisation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le surajustement, la régularisation et la validation croisée dans l'apprentissage des machines, explorant le réglage des courbes polynômes, l'expansion des fonctionnalités, les fonctions du noyau et la sélection des modèles.

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.

Sans titre Connectez-vous à Mediaspace pour regarder cette vidéo

Arbres de régression et méthodes d'ensemble dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des arbres de régression, des méthodes d'ensemble et de leurs applications dans la prévision des prix des voitures d'occasion et des rendements des stocks.

Apprentissage supervisé en économétrie financière Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'apprentissage supervisé en économétrie financière, couvrant la régression linéaire, l'ajustement du modèle, les problèmes potentiels, les fonctions de base, la sélection de sous-ensembles, la validation croisée, la régularisation et les forêts aléatoires.

Modélisation de données : régression Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit la modélisation fondée sur les données en mettant l'accent sur la régression, couvrant la régression linéaire, les risques de raisonnement inductif, l'APC et la régression des crêtes.

Principes fondamentaux de l'apprentissage supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Présente les principes fondamentaux de l'apprentissage supervisé, y compris les fonctions de perte et les distributions de probabilité.

Régression polynomiale : bases et régularisation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases de la régression polynomiale et de la régularisation pour éviter les surajustements.

Deep Learning: Représentations de données et réseaux neuraux Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les représentations de données, le sac de mots, les histogrammes, le prétraitement des données et les réseaux neuronaux.

Régression polynomiale : vue d'ensemble Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la régression polynomiale, l'impact de flexibilité, et le sous-ajustement contre le surajustement.

Ingénierie des caractéristiques: Régression polynomiale Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre en fonction de la régression linéaire sur les caractéristiques des prédicteurs d'origine pour la représentation flexible des caractéristiques.

Réseaux neuronaux : bases et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les bases des réseaux neuraux, le problème XOR, la classification et les applications pratiques comme la prévision des données météorologiques.

Arbres de décision et forêts aléatoires: concepts et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des arbres de décision et des forêts aléatoires, en se concentrant sur leur structure, leur optimisation et leur application dans les tâches de régression et de classification.

L'apprentissage automatique en dynamique moléculaire Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'application de l'apprentissage automatique dans la dynamique moléculaire et les matériaux, en mettant l'accent sur la création de caractéristiques significatives et l'importance de la généralisabilité.

Régression moderne: modèles statistiques et analyse des données Connectez-vous à Mediaspace pour regarder cette vidéo

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.

Sans titre Connectez-vous à Mediaspace pour regarder cette vidéo

Régression du noyau : K-nearest Neighbors Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le concept de régression du noyau et les voisins les plus proches de K pour rendre les données linéairement séparables.

Page 2 sur 3