Difference between revisions of "Courses/MLEA1"

From LRDE

(Created page with "{{Course |title=Classifieurs "Machine Learning" niveau-1 |acronym=MLEA1 |teacher=Reda |period=S4, Ing2 |audience=Majeure, SCIA |optional course=non |module=Informatique Fondam...")
 
m
 
Line 4: Line 4:
 
|teacher=Reda
 
|teacher=Reda
 
|period=S4, Ing2
 
|period=S4, Ing2
|audience=Majeure, SCIA
+
|audience=Majeure, SCIA, CSI
 
|optional course=non
 
|optional course=non
 
|module=Informatique Fondamentale
 
|module=Informatique Fondamentale
Line 10: Line 10:
 
|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=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.
 
|content=* Introduction
 
|content=* Introduction
* Méthodes des K plus proche voisins
+
* Théorie de la décision bayésienne
* Principes, distances, WKNN, KNN Composite, Optimisation
 
 
* Méthodes d'évaluation des classifieurs
 
* Méthodes d'évaluation des classifieurs
* Classifieur SVM, Profile SVM, Notion de Kernel
+
* Réduction de Dimension (Analyse en Composantes Principales, Analyse Discriminante Linéaire (Analyse de Fischer))
* Extension Multiclasse de classifieurs binaires
+
* Arbre de décision
* TP de mise en pratique
 
 
|references=Neural Networks : A Comprehensive Foundation (Simon Haykin) : 3rd Edition, Prentice Hall
 
|references=Neural Networks : A Comprehensive Foundation (Simon Haykin) : 3rd Edition, Prentice Hall
 
Pattern Classification (Duda, Hart, Stock) : 2nd Edition, Wiley-Interscience
 
Pattern Classification (Duda, Hart, Stock) : 2nd Edition, Wiley-Interscience

Latest revision as of 15:52, 7 July 2014

Titre

Classifieurs "Machine Learning" niveau-1

Sigle

MLEA1

Enseignant

Reda Dehak

Période

S4, Ing2

Public

Majeure, SCIA, CSI

Contrôle
Durée
Optionnel

non

Module

Informatique Fondamentale

Prérequis

ANDO

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
  • Introduction
  • Théorie de la décision bayésienne
  • Méthodes d'évaluation des classifieurs
  • Réduction de Dimension (Analyse en Composantes Principales, Analyse Discriminante Linéaire (Analyse de Fischer))
  • Arbre de décision
Documentation
  • Neural Networks : A Comprehensive Foundation (Simon Haykin) : 3rd Edition, Prentice Hall
  • Pattern Classification (Duda, Hart, Stock) : 2nd Edition, Wiley-Interscience
  • 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)
Support
Journaux