Se penche sur les défis de l'urbanisme à Touba, au Sénégal, en mettant l'accent sur les transports et le développement urbain, en proposant des solutions pour améliorer la mobilité et les infrastructures.
Explore l'évaluation des modèles avec K-Nearest Neighbor, couvrant la sélection optimale de k, les mesures de similarité et les mesures de performance pour les modèles de classification.
S'insère dans l'évaluation du modèle, couvrant la théorie, l'erreur de formation, l'erreur de prédiction, les méthodes de rééchantillonnage et les critères d'information.
Par le Prof. François Golay explore les SIG, la morphologie urbaine, les défis des Twins numériques, l'analyse basée sur les données et les contributions du LASIG.
Se penche sur les défis du développement urbain et de la mobilité à Touba, en mettant l'accent sur le logement, l'approvisionnement en eau, la gestion des déchets et les transports.
Introduit des algorithmes ML non linéaires, couvrant le voisin le plus proche, k-NN, ajustement des courbes polynômes, complexité du modèle, surajustement, et régularisation.
Explore le surajustement, la validation croisée et la régularisation dans l'apprentissage automatique, en mettant l'accent sur la complexité du modèle et l'importance de la force de régularisation.
Explore l'application des SIG dans la planification participative au moyen d'études de cas à Thies et aux Seychelles, soulignant l'importance de la simplicité et de l'engagement des utilisateurs.
Introduit des techniques pour obtenir des estimations impartiales du risque des prédicteurs appris et leur application pour l'accord hyperparamétrique.
Examine la régression probabiliste linéaire, couvrant les probabilités articulaires et conditionnelles, la régression des crêtes et l'atténuation excessive.
Couvre les méthodes d'interpolation déterministe globale et locale dans les systèmes d'information géographique, en discutant des connaissances spécialisées, de la sélection des méthodes et de l'estimation de l'incertitude.
Couvre l'échantillonnage, la validation croisée, la quantification des performances, la détermination optimale du modèle, la détection des surajustements et la sensibilité de classification.
Couvre l'interprétation des estimations du risque de validation croisée et la construction d'un prédicteur final à partir des résultats de validation croisée.
