Vous êtes ici

  1. Accueil
  2. Programme de la formation

Programme de la formation

Programme de la formation

En pratique :

Langue principale : français

Description du contenu de l'enseignement

  • Réduction de dimension : ACP, MDS, Isomap, t-SNE.
  • Apprentissage non supervisé : kmeans, mélange gaussien.
  • Modèles linéaires :
    - fonction de coût, estimation, validation ;
    - over fitting, sélection de variables.
  • Modèle data-driven : « plus proches voisins, arbres de décision ».
  • Aggregation de modèles :
    - bagging et forêts aléatoires ;
    - boosting et gradient boosting.
  • Réseaux de neurones : perceptrons multicouches, optimisation, over-fitting.
  • Deep learning : auto-encodeurs et réseaux de convolution.
  • Méthodes à noyau :
    - kernel PCA, kernel ridge ;
    - SVM.