Courses/MLEA2

Titre	Classifieurs "Machine Learning" niveau-2
Sigle	MLEA2
Enseignant	Reda Dehak
Période	S5, Ing2
Public	Majeure, SCIA
Contrôle
Durée
Optionnel	non
Module	Informatique Fondamentale
Prérequis	MLEA1
Objectifs	Première approche des concepts "Machine Learning".
Plan	1. Réduction de Dimension (Analyse en Composantes Principales, Analyse en Composantes Indépendantes) 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
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