Passer au contenu principal
Apprentissage Automatique
Recherche de cours
Fermer
Recherche de cours
Activer/désactiver la saisie de recherche
Connexion
Cours
Institut de Mathématiques et Informatique
Informatique
Master 1 STIC
M1S2: STIC
App.Auto
Chapitre 02 - Concepts d'apprentissage
Vidéo 4 Modèles linéaires pour la classification (K=2)
Vidéo 4 Modèles linéaires pour la classification (K=2)
Cliquer le lien
https://drive.google.com/file/d/1cW02h5B96o5jMfvxiJ69m4bFDbSo9783/view
pour ouvrir la ressource.
Activité précédente
Vidéo 3 Théorie de la décision pour la classification
Activité suivante
Vidéo 5 Modèles linéaires pour la classification (K>2)
Aller à…
Aller à…
Annonces
Introduction
Rappels sur le calcul des probabilités et la statistique
TD01 - Introduction
TP 01 Introduction Python
Tester vos connaissances
Ceci est juste exemple
Concepts d'apprentissage
Concepts d'apprentissage (avec annotations)
TD02 - La régression linéaire
TP 2 - La Régression Linéaire (Python)
TP 02 - La Régression Linéaire Python
TP 02 - La Classification linéaire (Python)
Vidéo 1 Apprentissage supervisé
Vidéo 2 Régression linéaire
Vidéo 3 Théorie de la décision pour la classification
Vidéo 5 Modèles linéaires pour la classification (K>2)
Tester vos connaissances
Arbre de décision
TP 03 Arbre de décision
TP03
data
Devoir TP à rendre avant le 01 Juin 2022
Classificateur de Bayes
TD04 - Classificateur de Bayes
TP 04 - Classificateur de Bayes
parkinsons
TP04
Vidéo 1 Classificateur de Bayes
Vidéo 2 Exemple d'application (Attributs discrets)
Vidéo 3 Exemple d'application (Attributs numériques) + Valeurs d’attributs manquantes
Vidéo 4 Validation d’un classificateur
TP 4 Classificateur de Bayes
Tester vos connaissances
La régression logistique
TD05 - La régression logistique
TP 05 - La régression logistique
spambase
Vidéo 1 La régression logistique (RL)
Vidéo 2 Estimation des paramètres de la RL
Vidéo 3 Étude d’une application: analyse de spams
TP 5 La régression logistique
Tester vos connaissances
Les machines à vecteurs de supports
TD06 - SVM
TP 06 - SVM
TP06
Vidéo 1 SVM (Cas des données séparables)
Vidéo 2 SVM (Cas des données non séparable)
Vidéo 3 SVM (Frontières de décision non-linéaires)
TP 06 Les machines à vecteurs de supports
Les réseaux de neurones
TD07 - Les réseaux de neurones
TP N° 07 (Les réseaux de neurones)
TP 07 Les réseaux de neurones
Mnist dataset (784 colonnes)
Lien externe vers le dataset MNIST
Exercices corrigés
Vidéo 1 Les réseaux de neurones
Vidéo 2 Les réseaux de neurones
TP 07 - Les réseaux de neurones
Classification et groupement de données
TP 08 - Classification et groupement de données
Vidéo 1 Apprentissage non supervisé et Algorithme des K-moyennes
Vidéo 2 Mélange de distributions Gaussiennes
Vidéo 3 Regroupement hiérarchique de données
Vidéo 4 Nombre optimal de groupes (K)
TP 08 - Classification et groupement de données
Réduction de la dimensionnalité de données
TP 09 - Réduction de la dimensionnalité de données
Vidéo 1 Introduction + Sélection d’attributs
Vidéo 2 Analyse à composantes principales (ACP)
Vidéo 3 Analyse discriminante linéaire (ADL)
TP 09 - Réduction de la dimensionnalité de données
Sujets des exposés et affectation (STIC) 2022/2023
Sujets des exposés et affectation (I2A) 2022/2023
Corrigé Type de l'interrogation
Corrigé Type de l'interrogation de remplacement
Examen Final 2017 - Corrigé Type
Examen Remplacement 2017 - Corrigé type
Examen de rattrapage 2017 - Corrigé type
Examen Final 2018
Examen Final 2018 - Corrigé type
Examen de rattrapage 2018
Examen de rattrapage 2018 - Corrigé type
Interrogation 2019
Interrogation 2019 - Corrigé type
Examen Final 2019
Examen Final 2019 - Corrigé type
Examen de rattrapage 2019
Examen de rattrapage 2019 - Corrigé Type
Examen final 2020
Examen final 2020 corrigé type
Examen de rattrapage 2020
Examen de rattrapage 2020 corrigé type
Examen Final 2021
Examen Final 2021 - Corrigé type
Interrogation 2022
Interrogation 2022 - Corrigé type
Micro TP
Micro TP - Correction
Examen Final 2022
Examen Final 2022 - Corrigé type
Interrogation 2023
Interrogation 2023 - Corrigé type
