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

Machine vectorielle de soutien : stockage de modèles, utilisation de la mémoire et consommation d'énergie

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (36)

Kernel Trick: Comprendre l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'astuce du noyau dans l'apprentissage automatique, permettant des opérations à haute dimension sans calculs de coordonnées explicites.

Régression du noyau : bases et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la régression du noyau, la malédiction de la dimensionnalité et les caractéristiques aléatoires des réseaux neuronaux.

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.

Machine Learning pour l'extraction de fonctionnalités Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'apprentissage automatique pour l'extraction de fonctionnalités, la vision 3D et les réseaux neuronaux en robotique mobile.

Modèles linéaires & k-NN Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires, la régression logistique, les limites de décision, k-NN, et les applications pratiques dans l'attribution des auteurs et l'analyse des données d'image.

Réduction dimensionnelle Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des réseaux de neurones artificiels et explore diverses techniques de réduction de la dimensionnalité telles que PCA, LDA, Kernel PCA et t-SNE.

Deep Learning : dimensionnalité et représentation des données Connectez-vous à Mediaspace pour regarder cette vidéo

Plonge dans la dimensionnalité de l'apprentissage profond, la représentation des données et la performance dans la classification des données à grande dimension, explorant la malédiction de la dimensionnalité et le noyau tangent neuronal.

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.

La malédiction de la dimensionnalité dans l'apprentissage profond Connectez-vous à Mediaspace pour regarder cette vidéo

Se penche sur les défis de l'apprentissage profond, en explorant la dimensionnalité, les performances et les phénomènes sur-adaptés dans les réseaux neuronaux.

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

Couvre les bases de l'apprentissage automatique, les réseaux neuronaux, les CNN et le calibrage des modèles.

Soutenez des machines de vecteur : Formulation double pour la marge dure Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la double formulation des machines vectorielles de support pour la classification des marges dures.

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.

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.

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.

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.

Réseaux de neurones : caractéristiques d’apprentissage et prédiction linéaire Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la capacité des réseaux de neurones à apprendre des fonctionnalités et à faire des prédictions linéaires, en soulignant l'importance de la quantité de données pour une performance efficace.

Page 2 sur 2