Cours

Cours.Semaine3 History

Hide minor edits - Show changes to markup

Changed lines 38-40 from:
  • Enoncé du TME :
to:
October 06, 2020, at 02:41 PM EST by 132.227.202.156 -
Changed lines 19-21 from:

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

to:

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

Changed lines 38-39 from:
  • Enoncé du TME : TME3
  • Soumission des TME : lien
to:
  • Enoncé du TME :
Changed lines 19-20 from:

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

to:

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

Changed lines 19-20 from:

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

to:

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

Changed lines 32-33 from:

Recueil de TD : TD3.pdf

to:

Recueil de TD : cf semaine 1 (poly complet)

Changed line 20 from:
to:

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

Changed lines 19-21 from:

Le poly du cours : cours3.pdf

to:

Le poly du cours : cours3.pdf

Changed lines 32-34 from:

Recueil de TD : TD3.pdf

to:

Recueil de TD : TD3.pdf

Changed lines 37-38 from:

Enoncé du TME : TME3

to:
  • Enoncé du TME : TME3
  • Soumission des TME : lien
Added line 34:
Changed lines 37-38 from:

Enoncé du TME : : TME3

to:

Enoncé du TME : TME3

Changed lines 30-31 from:

TD / TME

to:

TD

Changed lines 34-39 from:
to:

TME

Enoncé du TME : : TME3

Added line 42:
  1. Christopher M. Bishop (2008) « Pattern Recognition And Machine Learning », 2ème édition, Springer
Changed lines 19-21 from:

Le poly du cours : cours3.pdf Δ

to:

Le poly du cours : cours3.pdf

Added lines 28-32:

TD / TME

Recueil de TD : TD3.pdf

Added lines 1-31:

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