GitHub - gozuslayer/AS: Ce module dresse un panorama de l’apprentissage statistique aujourd’hui. Il aborde successivement les grandes problématiques du domaine et en présente les avancées majeures des dix dernières années, en les illustrant sur des grands champs applicatifs : traitement de données textuelles et multimédia, extraction d’information à partir de données collaboratives (médias sociaux), etc. Le cours aborde successivement: Théorie de l’apprentissage statistique, capacité de généralisation, dilemme biais-variance, etc Apprentissage Supervisé : Classification, Réseaux de Neurones et Deep Learning, Machines à vecteurs de support, Méthodes à noyaux, Ranking, Problématique du passage à l’échelle Apprentissage non supervisé : Partitionnement, Modèles à variables latentes Autre paradigmes d’apprentissage : Apprentissage par renforcement, Apprentissage faiblement supervisé, Apprentissage semi-supervisé et transductif, Apprentissage actif, Transfer Learning Méthodes d’ensembles: bagging, boosting, etc Apprentissage et données structurées : Séquences et arbres, Graphes et données inter-dépendantes

gozuslayer / AS Public

Notifications You must be signed in to change notification settings
Fork 0
Star 0

Ce module dresse un panorama de l’apprentissage statistique aujourd’hui. Il aborde successivement les grandes problématiques du domaine et en présente les avancées majeures des dix dernières années, en les illustrant sur des grands champs applicatifs : traitement de données textuelles et multimédia, extraction d’information à partir de données c…