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

Classification binaire linéaire: Perceptron, SGD, Fisher's LDA

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (36)

Récapitulation des réseaux neuraux : fonctions d'activation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases des réseaux neuronaux, des fonctions d'activation, de la formation, du traitement d'image, des CNN, de la régularisation et des méthodes de réduction de dimensionnalité.

Deep Learning : Perceptron multicouche et formation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les fondamentaux de l'apprentissage profond, en se concentrant sur les perceptrons multicouches et leurs processus de formation.

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.

Gradient Descent: MNIST Dataset et perte logistique Connectez-vous à Mediaspace pour regarder cette vidéo

Se concentre sur la mise en œuvre de la descente de gradient avec l'ensemble de données MNIST et la perte logistique dans l'apprentissage automatique.

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.

Modèles linéaires pour la classification: Régression logistique et SVM Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires pour la classification, en se concentrant sur la régression logistique et les machines vectorielles de support.

Les principes fondamentaux de l'apprentissage profond Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit un apprentissage profond, de la régression logistique aux réseaux neuraux, soulignant la nécessité de traiter des données non linéairement séparables.

Régression logistique : Fondements et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les fondamentaux de régression logistique, y compris les fonctions de coût, la régularisation et les limites de classification, avec des exemples pratiques utilisant scikit-learn.

Réduction de la dimensionnalité: PCA & LDA Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre PCA et LDA pour la réduction de dimensionnalité, expliquant la maximisation de la variance, les problèmes de vecteurs propres et les avantages de Kernel PCA pour les données non linéaires.

Espaces de Banach : Réflexivité et Convergence Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les espaces de Banach, en mettant l'accent sur la réflexivité et la convergence des séquences dans un cadre mathématique rigoureux.

Transport optimal : stabilité et contre-exemples Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la stabilité dans un transport optimal et fournit des exemples de solutions optimales discontinues.

Ligne fonctionnelle : définition des séquences et de la convergence Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la définition de la ligne et des séquences fonctionnelles, en mettant l'accent sur la convergence dans l'analyse fonctionnelle.

PCA: Concepts clés Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les concepts clés de l'analyse des composantes principales (APC) et ses applications pratiques dans la réduction de dimensionnalité des données et l'extraction des caractéristiques.

Branche et culot : Description officielle Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'algorithme Branch et Bound, en se concentrant sur la description formelle et les étapes de mise en œuvre pour trouver des solutions complètes optimales.

Modélisation des signaux neurobiologiques: Chaînes Markov Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la modélisation des signaux neurobiologiques avec les chaînes Markov, en mettant l'accent sur l'estimation des paramètres et la classification des données.

Machine vectorielle de soutien : stockage de modèles, utilisation de la mémoire et consommation d'énergie Connectez-vous à Mediaspace pour regarder cette vidéo

Explore le stockage modèle SVM, l'utilisation de la mémoire, la complexité du temps de formation et l'estimation de la consommation d'énergie.

Page 2 sur 2