Introduction au Machine Learning

Syllabus

Présentation de méthodes d'apprentissage supervisé et non-supervisé : classification par les centres mobiles, modèles de mélange gaussien, analyse discriminante linéaire et quadratique, régression logistique, classifieurs des plus proches voisins et à noyau, arbres de décision, méthodes bagging, boosting et forêts aléatoires, machines à vecteurs de support, régression Ridge ou Lasso, réseaux de neurones. Des exercices pratiques sur machine complèteront le cours.

• inscriptions
• calendrier
• accès
• Questions fréquentes

• Bâtiment Sophie Germain
  8 place Aurélie Nemours
  75013 Paris