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

Expansion des fonctionnalités et des amandes

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (37)

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.

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.

Modèles linéaires: Bases de classification Connectez-vous à Mediaspace pour regarder cette vidéo

Explore des modèles linéaires pour la classification, la régression logistique, SVM, k-NN, et la malédiction de dimensionnalité.

Sélection de fonctionnalités, Régression du noyau, Terrain de jeu des réseaux neuronaux Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la sélection des fonctionnalités, la régression du noyau et les réseaux neuronaux à travers des exercices.

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.

Réseaux de neurones: caractéristiques aléatoires et régression du noyau Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les caractéristiques aléatoires dans les réseaux neuronaux et la régression du noyau en utilisant la descente de gradient stochastique.

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.

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.

Amandes : Transformations non linéaires Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les noyaux pour simplifier la représentation des données et la rendre linéairement séparable dans les espaces de fonctionnalités, y compris les fonctions populaires et les exercices pratiques.

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.

Régression linéaire : fondements et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit la régression linéaire, couvrant ses fondamentaux, ses applications et ses mesures d'évaluation dans l'apprentissage automatique.

Apprentissage sans supervision: PCA & K-means Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'apprentissage non supervisé avec l'APC et les moyennes K pour la réduction de dimensionnalité et le regroupement des données.

Réseaux neuronaux récurrents : Détection de la langue Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la détection des langues à l'aide de réseaux neuronaux récurrents et de concepts d'apprentissage supervisé.

Problème Darcy : Discrétisations et coercitivité Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le problème de Darcy, en mettant l'accent sur les discrétisations et le concept de coercivité.

Analyse de textures : approches statistiques et structurelles Connectez-vous à Mediaspace pour regarder cette vidéo

Discute de l'analyse des textures dans les images, en se concentrant sur les propriétés statistiques et structurelles, les techniques de segmentation et les applications d'apprentissage automatique pour la classification des textures.

Comprendre les classificateurs ImageNet Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la généralisation des classificateurs ImageNet et les défis à relever pour obtenir des modèles d'apprentissage automatique fiables.

Hétéroskédasticité et autocorrélation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'hétéroscédasticité et l'autocorrélation en économétrie, couvrant les implications, les applications, les méthodes de test et les conséquences des tests d'hypothèses.

Page 2 sur 2