-
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-3: Validation croisée et décomposition Biais-Variance
Objectifs:
- Implémenter la validation croisée à 4 plis (4-fold).
- Comprendre la décomposition biais-variance.
Accédez à la session d'exercices via le lien ci-dessous:
Les commentaires ne sont pas activés sur ce cours.
Ressources supplémentaires
Rejoindre ce cours pour accéder aux ressources