-
Présentation du cours
-
Présentation du machine learning
-
Apprentissage supervisé: régression linéaire
-
Travaux dirigés 1
-
Sur-apprentissage et régularisation
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Travaux dirigés 2
-
Sélection de modèle et évaluation
-
- Rejoindre ce cours pour accéder aux ressources
-
Optimisation d’hyperparamètres
-
Travaux dirigés 3
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Apprentissage supervisé: classification
-
- Rejoindre ce cours pour accéder aux ressources
-
Travaux dirigés 4
-
Réduction de dimension
-
- Rejoindre ce cours pour accéder aux ressources
-
Apprentissage supervisé: méthodes à noyaux
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Travaux dirigés 5
-
Apprentissage non-supervisé: clustering
-
Travaux dirigés 6
-
Projet guidé
-
- Rejoindre ce cours pour accéder aux ressources
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Projets non-guidés
TD-1: Régression linéaire et descente de gradient
Objectifs:
- Implémenter la recherche par grille et la descente de gradient.
- Apprendre à déboguer vos implémentations.
- Apprendre à visualiser les résultats.
- Comprendre les avantages et les inconvénients de ces algorithmes d’optimisation.
Accédez à la session d'exercices via le lien ci-dessous:
Les commentaires ne sont pas activés sur ce cours.