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)
 
 
|references=Simon Haykin, "Neural Networks : A Comprehensive Foundation", 3rd Edition, Prentice Hall
 
 
Duda, Hart, Stock, "Pattern Classification", 2nd Edition, Wiley-Interscience
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
 
|references=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)
 
 
 
}}
 
}}

Latest revision as of 14:34, 4 February 2020

Titre

Classifieurs "Machine Learning" niveau-2

Sigle

MLEA2

Enseignant

Reda Dehak

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
  • Introduction* Classifieur SVM* Kernel Tricks* KSVM* KPCA, KLDA* Extension Multiclasse de classifieurs binaires* Méthodes d'évaluation des classifieurs* TP de mise en pratique
Documentation
  • Simon Haykin, "Neural Networks : A Comprehensive Foundation", 3rd Edition, Prentice Hall
  • Duda, Hart, Stock, "Pattern Classification", 2nd Edition, Wiley-Interscience
  • 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
Support
Journaux