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

Gradient Descent Methods: Théorie et calcul

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (51)

Techniques d'optimisation: Convexité et algorithmes dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les techniques d'optimisation dans l'apprentissage automatique, en se concentrant sur la convexité, les algorithmes et leurs applications pour assurer une convergence efficace vers les minima mondiaux.

Descente de gradient plus rapide: Techniques d'optimisation projetées Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre des méthodes de descente de gradient plus rapides et une descente de gradient projetée pour une optimisation contrainte dans l'apprentissage automatique.

Techniques d'optimisation: fonctions de descente de gradient et convexes Connectez-vous à Mediaspace pour regarder cette vidéo

Fournit un aperçu des techniques d'optimisation, en se concentrant sur la descente de gradient et les propriétés des fonctions convexes dans l'apprentissage automatique.

Proximal Gradient Descent: Techniques d'optimisation dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Discute de la descente du gradient proximal et de ses applications dans l'optimisation des algorithmes d'apprentissage automatique.

Sans titre Connectez-vous à Mediaspace pour regarder cette vidéo

Optimisation convexe : Débit de gradient Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'optimisation convexe, en soulignant l'importance de minimiser les fonctions dans un ensemble convexe et l'importance des processus continus dans l'étude des taux de convergence.

Optimisation de Convex : ensembles et fonctions Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit l'optimisation convexe à travers des ensembles et des fonctions, couvrant les intersections, exemples, opérations, gradient, Hessian, et applications du monde réel.

Optimisation convexe: descente de gradient Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la dimension VC, la descente de gradient, les ensembles convexes et les fonctions Lipschitz en optimisation convexe.

Programmes d'optimisation : Fonctions de coûts linéaires par pièce Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la formulation de programmes d'optimisation pour minimiser les fonctions de coûts linéaires à la pièce.

Relaxation convexe: théorèmes de type négatif Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la relaxation convexe et les théorèmes de type négatif dans les programmes convexes.

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

Explore les modèles linéaires, la régression, la prédiction multi-sorties, la classification, la non-linéarité et l'optimisation basée sur le gradient.

Problèmes convexes non convexes : MVS et réduction de dimensionnalité Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les problèmes convexifiants non convexes par le biais de SVM et des techniques de réduction de dimensionnalité.

Optimisation polynomiale : SOS et SDP Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la somme des polynômes carrés et la programmation semi-définie dans l'optimisation polynomiale, permettant l'approximation des polynômes non convexes avec SDP convexe.

Méthodes itératives pour les équations linéaires Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les méthodes itératives pour résoudre des équations linéaires et analyser la convergence, y compris le contrôle des erreurs et les matrices définies positives.

Problèmes d'optimisation convexe: Formulaire standard Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les problèmes d'optimisation convexes, la transformation en forme standard et les critères d'optimalité pour des objectifs différenciables.

Régression linéaire : ajustement du modèle et estimation des paramètres Connectez-vous à Mediaspace pour regarder cette vidéo

Explique la décomposition de la somme totale des carrés, lajustement du modèle et lestimation des paramètres en régression linéaire.

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

Explore le surajustement, la régularisation et la validation croisée dans l'apprentissage automatique, soulignant l'importance de l'expansion des fonctionnalités et des méthodes du noyau.

Introduction à l’optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit les bases de l'algèbre linéaire, du calcul et de l'optimisation dans les espaces euclidien, en mettant l'accent sur la puissance de l'optimisation en tant qu'outil de modélisation.

Dualité lagrangienne : Optimisation convexe Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la dualité lagrangienne dans l'optimisation convexe, transformant les problèmes en formulations min-max et discutant de l'importance des solutions doubles.

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.

Page 2 sur 3