Logo

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

index
© Copyright 2016-2022, Michel Crucianu, Marin Ferecatu, Nicolas Thome, Nicolas Audebert, Clément Rambour - Cnam. Mis à jour le févr. 02, 2023. Créé en utilisant Sphinx 5.3.0.