Revue du Machine Learning

Cette séance de cours fournit un examen des concepts d'apprentissage automatique, en commençant par l'apprentissage supervisé et les étapes de la formation et des tests. Il couvre la classification par rapport à la régression, les modèles linéaires, la régression linéaire et les modèles multi-sorties. La séance de cours se penche sur les fonctions du noyau, la prise en charge des machines vectorielles et la gestion des classes qui se chevauchent. Il explore également des techniques de réduction de dimensionnalité telles que PCA, LDA et t-SNE, ainsi que des modèles génératifs profonds et des auto-encodeurs. La discussion sétend aux méthodes dapprentissage non supervisées telles que les modèles de mélange, LDA et GAN, concluant avec des stratégies de représentation des données et de validation croisée.