ES "Apprentissage Artificiel" (Machine-Learning)

Ensemble de cours et TPs présentant les techniques d'apprentissage artificiel (en particulier réseaux de neurones, SVMs et méthodes à noyau, boosting, et algorithmes évolutionnistes).

• La fiche descriptive du cours

 
• Présentation et planning du cours 2011

• Les copies de transparents des cours

  • Copie des transparents Intro+Generalites sur l'apprentissage (partie "supervisé")
  
   
  • Copie des transparents sur les réseaux de neurones
  
   
  • Copie des transparents présentant brièvement les Support Vector Machines (SVM)
  
   
  • Copie des transparents de J.-P. Vert (CBIO/Mines ParisTech) sur les SVMs, l'apprentissage en BioInformatique, et sur les méthodes à noyau (notamment pour données structurées)
    NB : la page dédiée à cette séance se trouve ici.
  
  
  • Copie des transparents sur les Arbres de Décision
  
   
  • Copie des transparents sur le boosting
  
   
  • Copie des transparents sur la détection visuelle temps-réel d'objets (piétons, voitures, etc...)
  
   
  • Copie des transparents de Guillaume Obozinski (INRIA-ENS) sur les modèles probabilistes.
  
   
  • Copie des transparents sur l'apprentissage (y compris NON-SUPERVISE)
  
  
  • Copie des transparents sur les algorithmes évolutionnistes
    (algorithmes génétiques, Optimisation par Essaim Particulaire, etc...)



• Les pages des TPs

  • TP Réseaux de Neurones
  
   
  • TP sur les SVMs
  
   
  • TP détection d'objet par "Boosting"
  
   
  • TP sur les modèles probabilistes (par Toby Hocking, CBIO de Mines ParisTech).
  
   
  • TP sur le clustering et les cartes de Kohonen
  
   
  • TP Mémoire auto-associative par réseau de Hopfield
  
   
  • TP Identification neuronale
  
   
  • TP Algorithmes Génétiques
  
   
  • TP Optimisation par Essaim Particulaire