Passer au contenu principal
Ctrl+K

RCP209 - ML avancé

Préambule

  • A propos de RCP209
  • Organisation de RCP209
  • Projet de l’UE RCP209

Apprentissage supervisé

  • I - Apprentissage supervisé
    • I.1 - Cours
    • I.2 - Travaux pratiques
  • II - Evaluation de modèles
    • II.1 - Cours
    • II.2 - Travaux pratiques

Forets aléatoires

  • III - Arbres de décision
    • III.1 Cours
    • III.2 Travaux pratiques
  • IV - Forêts aléatoires
    • IV.1 Cours
    • IV.2 Travaux pratiques

Machines à vecteurs de support

  • V - SVM Linéaires
    • V.1 - Cours
    • V.2 - Travaux pratiques
  • VI - Méthodes à noyaux
    • VI.1 Cours
    • VI.2 - Travaux pratiques
  • VII - Algorithmes à noyaux
    • VII.1 - Cours
    • VII.2 - Travaux pratiques

Deep learning: bases

  • VIII - Perceptron multi-couches
    • VIII.1 - Cours
    • VIII.2 - Travaux pratiques
  • IX - Optimisation
    • IX.1 - Cours
    • XI.2 - Travaux pratiques
  • X - Réseaux convolutifs
    • X.1 - Cours
    • X.2 - Travaux pratiques
  • XI - CNN modernes
    • XI.1 - Cours
    • XI.2 - Travaux pratiques

Deep learning: series temporelles

  • XII - Réseaux récurrents
    • XII.1 - Cours
    • XII.2 - Travaux pratiques
  • XIII - Transformeurs
    • XIII.1 - Cours
    • XIII.2 - Travaux pratiques

Modèles de fondation

  • VIV - Apprentissage auto-supervisé
    • XIV.1 - Cours
    • XIV.2 - Travaux pratiques
  • XV - Modèles de fondation
    • XV.1 - Cours
    • XV.2 - Travaux pratiques

Index

G | S | V

G

  • grid search

S

  • selection de modèles

V

  • validation croisée

© Copyright 2023, Arnaud Breloy, Javiera Castillo Navarro, Marin Ferecatu, Olivier Pons, CNAM.

Mis à jour le sept. 19, 2025.