2 décembre -- Cours 25:
Correction du devoir 4.
Révision des concepts et algorithmes les plus importants.
30 novembre -- Cours 24:
Révision des concepts et algorithmes les plus importants.
25 novembre -- Cours 23:
Régression à noyau classique
(ps)(pdf)
et processus Gaussiens. Article introductoire par David McKay
Très bref talk introductoire par Olivier Delalleau
(ps)(pdf).
Preuve de la formule principale
(ps)(pdf).
Conférence de H. Oja au 6214 à 14h sur l'algorithme ICA.
23 novembre -- Cours 22:
Exemple d'application: data-mining
(ps)(pdf).
18 novembre -- Cours 21:
Truc du noyau et ACP à noyau.
(ps)(pdf)
Généralisation des méthodes de d'embedding
spectral à de nouveaux exemples et
estimation de fonctions propres
(chapitre de livre à publier, pdf).
16 novembre -- Cours 20:
Apprentissage non-supervisé et en particulier
apprentissage de variétés non-linéaires.
(ps)(pdf)
(ACP, MDS, spectral clustering, LLE, Isomap).
11 novembre -- Cours 19:
Fin de la discussion sur les HMMs. Modèles hybrides. Modèles à état continu. Analyse en composantes principales.
Voir la section 8.6 du livre de Bishop.
9 novembre -- Cours 18:
Modèles de Markov cachés (HMMs) pour modéliser
des données séquentielles.
ps.
4 novembre -- Cours 17:
Estimation de l'incertitude autour de la validation croisée,
comparaisons d'algorithmes d'apprentissage.
[ps][pdf].
Introduction aux modèles de Markov cachés (HMMs) pour modéliser
des données séquentielles.
ps.
28 octobre -- Cours 15:
Sélection de modèles.
[ps][pdf].
26 octobre -- INTRA
21 octobre -- Cours 14:
Correction du devoir 3 et révision pour l'intra:
venez avec vos questions!
19 octobre -- Cours 13:
Réseaux de neurones (chapitres 3 et 4 de Bishop)
[html][ps].
7 octobre -- Cours 12:
Graphes de flot
[ps][pdf].
Intro aux réseaux de neurones (chapitres 3 et 4 de Bishop)
[html][ps].
5 octobre -- Cours 11:
Correction du devoir 2.
Fin des cours sur EM (démo sur la fonction auxiliaire).
30 septembre -- Cours 10:
Suite du chapitre 2 de Bishop (modèles de mélange et algorithme EM)
(ps)(pdf).
28 septembre -- Cours 9:
Suite du chapitre 2 de Bishop (estimation de densité à noyau,
modèles de mélange et algorithme EM)
(ps)(pdf).
LES NOTES ONT ETÉ MISES À JOUR 28/09/2004, 12h15. (modifications mineures)
23 septembre -- Cours 8:
Explications et réponses aux questions sur le devoir 2.
Suite du chapitre 2 de Bishop (inférence Bayesienne).
(ps)(pdf).
21 septembre -- Cours 6:
Correction du devoir 1.
Début d'explications sur le devoir 2.
14 septembre -- Cours 4: suite des notes sur le chapitre 1 de Bishop
(ps)(pdf).
9 septembre -- Cours 3: fin de la mise à niveau mathématique.
Suite un peu plus formelle de l'introduction à l'apprentissage statistique:
prédicteurs affines, classificateur de Bayes, k-plus-proches-voisins, régularisation.
Voir les notes dérivées en partie du chapitre 1 du livre de Bishop
(ps)(pdf)).
[FICHIERS MIS À JOUR MERCREDI 8 SEPT 17h]
Voir aussi les notes de lectures pour cette semaine.
7 septembre -- Cours 2: Mise à niveau en probabilités, statistiques,
algèbre linéaire, optimisation.
(ps)(pdf)
[FICHIERS MIS À JOUR MARDI 7 SEPT 12h45 AVEC LEXIQUE INFORMEL COMPLÉTÉ]
Voir aussi les notes de lectures pour cette semaine.