Apprentissage, réseaux de neurones et modèles graphiques (RCP209)

Les anciennes versions du support de cours, les enregistrements vidéo du cours et d'une partie des ED se trouvent sur le site Plei@d accessible aux auditeurs inscrits à ce cours au Cnam Paris.

Les nouveaux supports de cours et de travaux pratiques sont progressivement mis en ligne sur le site http://cedric.cnam.fr/vertigo/Cours/ml2/.

Contenu de l'enseignement jusqu'en 2016 (en évolution en 2017)

Chapitre 1 : Estimation de fonctions de densité

Support de cours (2 transparents par page) Logiciel recommandé : MIXMOD (Linux ou Windows, Matlab ou Scilab) Applet illustrative (remerciements à S. Akaho) TP : code Scilab basique et données pour le tester

Chapitre 2 : Cartes auto-organisatrices appliquées aux données quantitatives, catégorielles et mixtes

Support de cours (par Meziane Yacoub) Logiciel recommandé : SOM Toolbox Matlab (Helsinki University of Technology)

Chapitre 3 : Chaînes de Markov cachées

Support de cours (par Fouad Badran) Logiciel recommandé : Toolbox Matlab (University of British Columbia)

Chapitre 5 : Perceptrons multicouches : fonctions d'erreur, maximum de vraisemblance, modèle multi-expert

Support de cours (par Meziane Yacoub) Logiciels recommandés : YANNS (C++, Linux ou Windows)

Chapitre 7 : Machines à vecteurs support, ingénierie des noyaux

Support de cours (2 transparents par page) Site référence Logiciels recommandés : LIBSVM (C++, open source), Toolbox Matlab (INSA Rouen, open source) Applet illustrative