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 - Introduction au deep learning
Cours - Réseaux convolutifs
Travaux pratiques - Perceptron multi-couche
Cours - Deep learning: implémentation & ressources
Travaux pratiques - Deep Learning avec Keras
Cours - Deep learning moderne
Travaux pratiques - Deep Learning et Manifold Untangling
Cours - Réseaux convolutifs avancés
Travaux pratiques - Transfer learning et fine-tuning
Cours - Réseaux récurrents (RNNs)
Travaux pratiques - RNN pour la génération de texte
Cours - Réseaux récurrents et prédiction structurée
Travaux pratiques - Prédiction de séries temporelles
Cours - Deep Learning : défis & perspectives
Travaux pratiques : ranking
Recherche
