Décerné

Besoin d'aide pour un examen en machine learning

Bonjour,

J'ai un examen bientot en machine learning ou je dois comprendre les principaux sujet étudié et comprendre 2 petits projets en python .

Je pense que si c'est des sujets que vous connaissez , on passera 3 à 4 heures pour parcourir ces differents sujets, prendre des notes et comprendre les tps.

Voici les differents sujets :

Hello, i need please help for an exam on machine learning. I need to understand differents concepts of machine learning and to understand two small projects on python.

I think we need 3 or 4 hours to cover all the topics.

Here are the topics:

I need help pplease to understand differents concepts of advanced machine learning and to understand 2 small project in python .

I have an exam on it , so i need to understand briefly and take notes.

I think we need 3 or 4 hours to cover all the topics.

Here are the topics :

Optimisation

fonctions convexes, sous-différentiel, transformée de Fenchel-Legendre, notion de minimiseur, régle de Fermat

- problème dual d'un problème d'optimisation sous contrainte, lagrangien et point selles, lien entre points selles et solutions primales/duales, conditions KKT

- méthode des multiplicateurs de lagrange, ADMM

NB: Pour cette partie du cours, il est demandé de savoir exprimer le lagrangien d'un problème d'optimisation sous contraintes et de connaître la définition d'un point selle.

En revanche, il n'est PAS demandé de connaître par coeur l'écriture des algorithmes vus en cours

Apprentissage en ligne

- Gradient stochastique

- Gradient stochastique proximal

Modèles de Markov cachés

Conditional Random fields and structured outputs

I The logistic regression model

– Model specification

– Maximum Entropy Modeling

– Parameter estimation

– Improvements to the logistic regression model (l2 and l1 regularization, kernel logistic regression)

I Conditional Random Fields (for sequential data)

– Feature functions

– Inference

– Parameter estimation

I Improvements and extensions to original CRFs

– Regularization

– Hidden-state CRF model

Réseaux de neurones

- Perceptron multicouches et algorithme de rétro-propagation du gradient

- réseaux à convolution

Méthodes à noyaux avancées

- Noyaux pour données structurées

- Méthodes à noyaux sous l’angle des espaces de Hilbert à noyaux auto-reproduisants :

application à l’apprentissage supervisé, l’apprentissage semi-supervisé, l’apprentissage de noyaux multiples

- Implémentation efficace des méthodes à noyaux par approximation du noyau (Random Fourier Feature)

Apprentissage par renforcement

- Algorithmes de bandits

a bientot j'espere

Compétences : Programmation C, Programmation C++, Apprentissage Automatique, Filtrage par motif, Python

Voir plus : structured programming, small project in python, sequential programming, python programming projects, python programming help, python learning, programming in python 3, programming concepts, programming ai, maximum data solutions, machine programming, le point, learning python programming, learning programming, learning point, learning c programming, l2, exam c++ programming, D Programming, d&d solutions, c# programming concepts, cover le, conditional programming, ai programming, advanced python programming

Concernant l'employeur :
( 2 commentaires ) creeil, France

N° du projet : #7989772

1 freelance a fait une offre moyenne de 300 $ pour ce travail

tinmar

Embauché par l'employeur

300 $ USD en 3 jours
(1 Commentaire)
3.8