Apprentissage automatique - Les mathématiques fondamentales derrière les bibliothèques

Aperçu

Explorez les fondements mathématiques de l'apprentissage automatique, des techniques d'apprentissage supervisé à l'apprentissage non supervisé, pour acquérir une compréhension plus approfondie des réseaux de neurones et de leurs processus sous-jacents.

Programme

- Introduction aux Mathématiques de l'Apprentissage Automatique -- Vue d'ensemble de l'Apprentissage Automatique et Prérequis Mathématiques -- Bases de l'Algèbre Linéaire : Vecteurs, Matrices et Opérations -- Fondamentaux des Probabilités et Statistiques - Fondations de l'Apprentissage Supervisé -- Régression Linéaire : Moindres Carrés, Fonction de Coût et Descente de Gradient -- Régression Logistique : Fonction Sigmoïde, Fonction de Perte et Maximum de Vraisemblance -- Machines à Vecteurs de Support : Marge, Formulation Duale et Astuce du Noyau - Techniques d'Apprentissage Non Supervisé -- Algorithmes de Clustering : K-Moyennes et Clustering Hiérarchique -- Analyse en Composantes Principales (ACP) : Vecteurs Propres et Valeurs Propres -- Modèles de Mélange Gaussien et Maximisation de l'Espérance - Réseaux Neuronaux et Apprentissage Profond -- Modèle du Perceptron et Perceptrons Multicouches -- Rétropropagation et Règle de la Chaîne en Calcul Différentiel -- Fonctions d'Activation : Sigmoïde, ReLU et Softmax - Techniques d'Optimisation et d'Entraînement -- Descente de Gradient Stochastique et Variantes -- Schedules de Taux d'Apprentissage et Techniques de Régularisation -- Surapprentissage et Sous-apprentissage : Compromis Biais-Variance - Sujets Avancés en Apprentissage Automatique -- Réseaux de Neurones Convolutifs : Convolutions, Pooling et Exploitation des Données Visuelles -- Réseaux de Neurones Récurrents : Séries Temporelles et Données de Séquence -- Introduction aux Bases de l'Apprentissage par Renforcement - Exploration Mathématique de la Performance et de l'Évaluation -- Matrice de Confusion, Précision, Rappel et Score F1 -- Caractéristique de Fonctionnement du Récepteur (ROC) et AUC -- Validation Croisée et Stratégies de Sélection de Modèles - Conclusion du Cours et Projet de Synthèse -- Intégration des Concepts Mathématiques dans les Applications du Monde Réel -- Construire un Modèle d'Apprentissage Automatique Simple à Partir de Zéro -- Discussion sur les Tendances Futures et le Rôle des Mathématiques dans l'Avancée de l'IA

Enseigné par

Étiquettes