Difference between revisions of "Courses/MLEA2"
From LRDE
(Created page with "{{Course |title=Classifieurs "Machine Learning" niveau-2 |acronym=MLEA2 |teacher=Reda |period=S5, Ing2 |audience=Majeure, SCIA |optional course=non |module=Informatique Fondam...") |
|||
| (5 intermediate revisions by 2 users not shown) | |||
| Line 1: | Line 1: | ||
{{Course |
{{Course |
||
| + | |visible=No |
||
|title=Classifieurs "Machine Learning" niveau-2 |
|title=Classifieurs "Machine Learning" niveau-2 |
||
|acronym=MLEA2 |
|acronym=MLEA2 |
||
|teacher=Reda |
|teacher=Reda |
||
|period=S5, Ing2 |
|period=S5, Ing2 |
||
| − | |audience=Majeure, SCIA |
+ | |audience=Majeure, SCIA, RDI |
|optional course=non |
|optional course=non |
||
| − | |module=Informatique Fondamentale |
||
|prerequisites=MLEA1 |
|prerequisites=MLEA1 |
||
| + | |objectives=Présentation des outils de classification les plus populaires et des méthodes permettant d’évaluer leurs performances. Développement des capacités à lire des articles de Machine Learning avec un esprit critique par la réalisation d’un projet. |
||
| − | |objectives=Première approche des concepts "Machine Learning". |
||
| + | |content=* Introduction* Classifieur SVM* Kernel Tricks* KSVM* KPCA, KLDA* Extension Multiclasse de classifieurs binaires* Méthodes d'évaluation des classifieurs* TP de mise en pratique |
||
| − | |content=1. Réduction de Dimension (Analyse en Composantes Principales, Analyse en Composantes Indépendantes) |
||
| ⚫ | |||
| − | |||
| ⚫ | |||
| − | 2. méthodes à base de Kernel |
||
| + | John Shawe-Taylor et Nello Cristianini, "Support Vector Machines", Cambridge University Press, 2000 |
||
| − | |||
| + | John Shawe-Taylor et Nello Cristianini, "Kernel Methods for Pattern Analysis", Cambridge University Press, 2004 |
||
| − | 3. Classifieurs (proches voisins et dérivés, bayésiens, SVM) + Méthodes d'évaluation de classifieurs (Cross Validation, Random Subsampling) |
||
| − | |||
| − | 4. méthodes ensemblistes (Bagging, Stacking, Boosting) |
||
| − | |||
| − | 5. méthodes pour adapter des classifieurs binaires à des problèmes multi-classes |
||
| − | |||
| − | 6. Réseaux de neurones (Kohonen, RBF, Réseaux Convolutionnels) |
||
| − | |||
| − | 7. Régression |
||
| ⚫ | |||
| ⚫ | |||
| − | Localized Support Vector Machine and its efficient Algorithm (Cheng: 2007) |
||
| − | Weighted K-Nearest-Neighbor Techniques and Ordinal Classification (Hechenbichler, Schliep: 2004) |
||
| − | SVM-KNN: Discriminative nearest neighbour classification for visual category recognition (Zhang et al): CVPR 2006 |
||
| − | A study of cross-validation and bootstrap for accuracy estimation and model selection (Kohavi: 1995) |
||
| − | |||
}} |
}} |
||
Latest revision as of 15:34, 4 February 2020
| Titre |
Classifieurs "Machine Learning" niveau-2 |
|---|---|
| Sigle |
MLEA2 |
| Enseignant | |
| Période |
S5, Ing2 |
| Public |
Majeure, SCIA, RDI |
| Contrôle | |
| Durée | |
| Optionnel |
non |
| Module | |
| Prérequis |
MLEA1 |
| Objectifs |
Présentation des outils de classification les plus populaires et des méthodes permettant d’évaluer leurs performances. Développement des capacités à lire des articles de Machine Learning avec un esprit critique par la réalisation d’un projet. |
| Plan |
|
| Documentation |
|
| Support | |
| Journaux |