Cnam – UE RCP209
index
Index
G
|
S
|
V
G
grid search
S
selection de modèles
V
validation croisée
Table des matières
Préambule
Projets de l’UE RCP209
Cours - Introduction à l’apprentissage supervisé
Travaux pratiques - Introduction à l’apprentissage supervisé
Travaux pratiques - Evaluation et sélection de modèles décisionnels
Cours - Arbres de décision
Travaux pratiques - Arbres de décision
Cours - Forêts Aléatoires
Travaux pratiques - Forêts aléatoires
Cours - SVM linéaires
Travaux pratiques - SVM linéaires
Cours - Méthodes à noyaux
Travaux pratiques - Méthodes à noyaux
Cours - Algorithmes à noyaux et applications
Travaux pratiques - Algorithmes à noyaux
Cours - Introduction à l’apprentissage profond (
deep learning
)
Travaux pratiques - Premiers réseaux de neurones
Cours - Réseaux de neurones convolutifs
Travaux pratiques - Perceptron multi-couche
Cours - Apprentissage profond - CNN modernes
Travaux pratiques - Deep Learning avec Keras
Cours - Réseaux de neurones récurrents
Travaux pratiques - Transfer learning et fine-tuning
Cours - Réseaux récurrents avancés
Travaux pratiques - RNN pour la génération de texte
Cours - Réseaux convolutifs avancés
Travaux pratiques - Prédiction de séries temporelles
Cours - Apprentissage non-supervisé
Travaux pratiques - Modèles de segmentation
Cours - Défis et perspectives de l’apprentissage profond
Travaux pratiques - Apprentissage auto-supervisé: RotNet
Recherche
