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

Représentation des données : méthodes d'apprentissage

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (43)

Méthodes du noyau : SVM et régression Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des méthodes de noyau telles que SVM et régression, couvrant des concepts tels que la marge, la machine vectorielle de support, la malédiction de la dimensionnalité et la régression de processus gaussien.

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.

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

Couvre les bases de l'apprentissage automatique, y compris l'apprentissage supervisé et non supervisé, la régression linéaire et la classification.

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.

Expansion des fonctionnalités et des amandes Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'expansion des fonctionnalités, les noyaux, SVM, et la classification non linéaire dans l'apprentissage automatique.

Apprentissage automatique: Techniques d'apprentissage supervisé et non supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les techniques d'apprentissage supervisées et non supervisées dans l'apprentissage automatique, en mettant en évidence leurs applications dans la finance et l'analyse environnementale.

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.

Modèles linéaires: Partie 1 Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires, y compris la régression, les dérivés, les gradients, les hyperplans et la transition de classification, en mettant laccent sur la minimisation des risques et des mesures dévaluation.

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.

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

Introduit les bases de l'apprentissage automatique, couvrant l'apprentissage supervisé et non supervisé, la régression linéaire et la compréhension des données.

Arbres de décision et forêts aléatoires: concepts et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des arbres de décision et des forêts aléatoires, en se concentrant sur leur structure, leur optimisation et leur application dans les tâches de régression et de classification.

Régression : Exercices Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les exercices sur les fonctions de régression à l'aide de RLS, WLS et LWR.

Applications de chimie quantique Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les applications de la chimie quantique, en mettant l'accent sur le rôle de la densité électronique dans la prédiction des propriétés chimiques et en abordant les défis de la conception des catalyseurs, de la conversion de l'énergie solaire et de la synthèse des médicaments.

Fondements de l'apprentissage automatique : suradaptation et régularisation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le surajustement, la régularisation et la validation croisée dans l'apprentissage des machines, explorant le réglage des courbes polynômes, l'expansion des fonctionnalités, les fonctions du noyau et la sélection des modèles.

Apprendre le noyau : l’optimisation convexe Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'apprentissage de la fonction du noyau en optimisation convexe, en se concentrant sur la prédiction des sorties à l'aide d'un classificateur linéaire et en sélectionnant les fonctions optimales du noyau par validation croisée.

L'essentiel de l'apprentissage supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit les bases de l'apprentissage supervisé, en mettant l'accent sur la régression logistique, la classification linéaire et la maximisation de la probabilité.

Analyse de régression linéaire : diagnostic et variance Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les méthodes de diagnostic de régression linéaire, l'analyse de la variance et les concepts de conception expérimentale.

Sans titre Connectez-vous à Mediaspace pour regarder cette vidéo

Calcul intégral : théorème fondamental Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le théorème fondamental du calcul intégral et les techniques de détermination des antidérivés.

Génération de modules : une famille de générateurs Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le concept de génération de modules à l'aide d'une famille de générateurs.

Page 2 sur 3