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

Régression & Linéaires Systemed

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (39)

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.

Apprentissage supervisé: Méthodes de régression Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'apprentissage supervisé en mettant l'accent sur les méthodes de régression, y compris l'ajustement des modèles, la régularisation, la sélection des modèles et l'évaluation du rendement.

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.

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.

Optimisation convexe: Algorithmes de gradient Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les problèmes d'optimisation convexe et les algorithmes basés sur le gradient pour trouver le minimum global.

Méthodes itératives : Systèmes linéaires Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les méthodes itératives pour résoudre les systèmes linéaires et discute des critères de convergence et du rayon spectral.

Régression du noyau : K-nearest Neighbors Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le concept de régression du noyau et les voisins les plus proches de K pour rendre les données linéairement séparables.

Méthode de graduation conjuguée : Optimisation itérative Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la méthode du gradient conjugué, les critères d'arrêt et les propriétés de convergence dans l'optimisation itérative.

Méthodes de décomposition et de régression des erreurs Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la décomposition des erreurs, la régression polynomiale et les voisins K les plus proches pour la modélisation flexible et les prédictions non linéaires.

Méthodes itératives pour les équations linéaires Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des méthodes itératives pour résoudre les équations linéaires et discute de la méthode de gradient pour minimiser les erreurs.

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.

Régression des prix des maisons: Exploration des hypothèses OLS Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les régressions OLS pour les prix des maisons, couvrant les valeurs aberrantes, les observations influentes, les spécifications du modèle et les stratégies de sélection.

Réseaux neuronaux : formation et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la formation, l'optimisation et les considérations environnementales des réseaux neuronaux, avec des informations sur les clusters PCA et K-means.

Apprentissage statistique: Principes fondamentaux Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit les principes fondamentaux de l'apprentissage statistique, couvrant l'apprentissage supervisé, la théorie de la décision, la minimisation des risques et l'ajustement excessif.

Méthode de Newton : Convergence et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la convergence de la méthode de Newton et ses applications en analyse numérique.

Régression linéaire : causalité et interprétation des modèles Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la régression linéaire, la causalité et l'interprétation des modèles grâce à l'analyse géométrique et à la modélisation empirique.

Diagonalisation des matrices Connectez-vous à Mediaspace pour regarder cette vidéo

Explique la diagonalisation des matrices, des critères et de la signification des valeurs propres distinctes.

Comprendre l'apprentissage automatique : des modèles parfaitement solubles Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la mécanique statistique de l'apprentissage, en mettant l'accent sur les mystères des réseaux neuronaux et les défis informatiques.

Résoudre les systèmes linéaires avec matrices Connectez-vous à Mediaspace pour regarder cette vidéo

Explique la résolution de systèmes linéaires avec matrices et conditions pour des solutions infinies.

Page 2 sur 2