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...") |
Reda Dehak (talk | contribs) m |
||
Line 4: | Line 4: | ||
|teacher=Reda |
|teacher=Reda |
||
|period=S5, Ing2 |
|period=S5, Ing2 |
||
− | |audience=Majeure, SCIA |
+ | |audience=Majeure, SCIA, CSI |
|optional course=non |
|optional course=non |
||
− | |module= |
+ | |module= |
|prerequisites=MLEA1 |
|prerequisites=MLEA1 |
||
− | |objectives= |
+ | |objectives=, Résumé du cours ou de l'activité pédagogique |
+ | 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=1. Réduction de Dimension (Analyse en Composantes Principales, Analyse en Composantes Indépendantes) |
||
+ | |content=Introduction |
||
+ | Classifieur SVM |
||
+ | Kernel Tricks |
||
+ | KSVM |
||
+ | KPCA, KLDA |
||
+ | Extension Multiclasse de classifieurs binaires |
||
+ | Méthodes d'évaluation des classifieurs |
||
+ | TP de mise en pratique |
||
− | 2. méthodes à base de Kernel |
||
− | |||
− | 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) |
||
⚫ | |||
⚫ | |||
+ | 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 |
||
}} |
}} |
Revision as of 11:28, 9 July 2014
Titre |
Classifieurs "Machine Learning" niveau-2 |
---|---|
Sigle |
MLEA2 |
Enseignant | |
Période |
S5, Ing2 |
Public |
Majeure, SCIA, CSI"CSI" is not in the list (InfoSup, InfoSpé, Tronc-commun, Majeure, Apprentis, Cycle Ing, SCIA, AppIng, RDI, IMAGE, ...) of allowed values for the "Course audience" property. |
Contrôle | |
Durée | |
Optionnel |
non |
Module | |
Prérequis |
MLEA1 |
Objectifs |
, Résumé du cours ou de l'activité pédagogique 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 |
|
Support | |
Journaux |