MAPSI

• Enoncé du TME version 2019 : 2019_tme3.zip
• Enoncé du TME version 2020 : 2020_tme3.zip

Le poly du cours : cours3.pdf et le poly en version 4 slides / page : cours3_4.pdf

• Enoncé du TME :

Le poly du cours : cours3.pdf et le poly en version 4 slides / page : cours3_4.pdf

Le poly du cours : cours3.pdf Δ et le poly en version 4 slides / page : cours3_4.pdf Δ

Recueil de TD : cf semaine 1 (poly complet)

et le poly en version 4 slides / page : cours3_4.pdf

Le poly du cours : cours3.pdf

Recueil de TD : TD3.pdf

• Enoncé du TME : TME3
• Soumission des TME : lien

Enoncé du TME : TME3

TD

TME

Enoncé du TME : : TME3

1. Christopher M. Bishop (2008) « Pattern Recognition And Machine Learning », 2ème édition, Springer

Le poly du cours : cours3.pdf

TD / TME

Recueil de TD : TD3.pdf

Cours 3 : Maximum de vraisemblance / maximum a posteriori

Contenu du cours

1. Vraisemblance pour la prise de décision : on montre ce qu'est une vraisemblance et comment elle peut être utilisée pour décider entre plusieurs alternatives laquelle paraît la meilleure.
2. Estimation de paramètre par max de vraisemblance : c'est un classique en apprentissage, particulièrement utilisé en intelligence artificielle.
3. Estimation de paramètre par maximum a posteriori : L'idée est similaire à l'estimation par max de vraisemblance, à ceci près que l'on a un apriori sur les paramètres possibles. Cette technique s'avère particulièrement utile lorsque l'on réalise des apprentissages avec de petites bases de données.

Le poly du cours : cours3.pdf Δ

Quelques exemples abordés en cours

1. simulation de la conduite automobile d'un joueur dans un jeu vidéo
2. système de recommandation de films
3. classification d'images par signature spectrale
4. suivi d'objets dans des séquences vidéos

Bibliographie