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: MNIST Dataset et perte logistique

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (32)

Régression linéaire et logistique Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit une régression linéaire et logistique, couvrant les modèles paramétriques, la prédiction multi-sorties, la non-linéarité, la descente de gradient et les applications de classification.

Gradient Descent: Régression linéaire Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le concept de descente de gradient pour la régression linéaire, en expliquant le processus itératif de mise à jour des paramètres.

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.

Réseaux profonds et convolutifs : généralisation et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les réseaux profonds et convolutifs, couvrant la généralisation, l'optimisation et les applications pratiques dans l'apprentissage automatique.

Régression linéaire et régression logistique Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la régression linéaire et logistique pour les tâches de régression et de classification, en mettant l'accent sur les fonctions de perte et la formation de modèle.

Analyse des documents : Modélisation des sujets Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.

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

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

Gradient Descent: Techniques d'optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la descente en gradient, les fonctions de perte et les techniques d'optimisation dans la formation en réseau neuronal.

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.

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.

Réseaux neuraux graphiques: monde interconnecté Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'apprentissage à partir de données interconnectées avec des graphiques, couvrant les objectifs de recherche modernes de ML, les méthodes pionnières, les applications interdisciplinaires, et la démocratisation du graphique ML.

Fonctions de coût de régression et d'entropie croisée Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'entropie croisée dans la classification et diverses fonctions de coût de régression.

Page 2 sur 2