Historique: L3 ENS-Cachan, Cours d'apprentissage

Source de la version: 52 (courant)

! Cours d'apprentissage, Michèle Sebag, Benjamin Monmege

[http://www.lsv.ens-cachan.fr/~monmege/teach/learning2013/ | Page des TD/TP]

-= 2013 =-
!! Séance 1, 23 janvier 2013
* [http://www.lri.fr/~sebag/Slides/Cachan_1_2013.pdf | slides] Introduction, les racines de l'apprentissage.
!! Séance 2, 6 février 2013
* [http://www.lri.fr/~sebag/Slides/Cachan_2_2013.pdf | slides] Apprentissage supervisé - Arbres de décision - Validation
!! Séance 3, 13 févier 2013
* [http://www.lri.fr/~sebag/Slides/Cachan_3_2013.pdf | slides] Validation
!! Séance 4, 20 févier 2013
* [http://www.lri.fr/~sebag/Slides/Cachan_4_2013.pdf | slides] Réseaux neuronaux

!! Séance 5, 27 févier 2013
* [http://www.lri.fr/~sebag/Slides/Cachan_5_2013.pdf | slides] Machines à vecteurs supports

!! Séance 6, 13 mars 2013
* Suite des réseaux neuronaux: deep neural networks

!! Séance 7, 20 mars 2013
* [http://www.lri.fr/~sebag/Slides/Cachan_6_2013.pdf | slides] Fin des  réseaux neuronaux; fin des machines à vecteurs supports.

!! Séance 8, 9 avril 2013
* [http://www.lri.fr/~sebag/Slides/Cachan_7_2013.pdf | slides] Apprentissage d'ensemble, boosting et bagging

!! Séance 9, 17 avril 2013
* [http://www.lri.fr/~sebag/Slides/Cachan_8_2013.pdf | slides] Apprentissage non supervisé. I. Changements de représentation

!! Séance 10, 24 avril 2013
* [http://www.lri.fr/~sebag/Slides/Cachan_9_2013.pdf | slides] Apprentissage non supervisé. II. Clustering

!! Séance 11, 22 mai 2013
* [http://www.lri.fr/~sebag/Slides/Cachan_10_2013.pdf | slides] Apprentissage par renforcement I. 
* [http://www.lri.fr/~sebag/Slides/Cachan_11_2013.pdf | slides] Apprentissage par renforcement II. 




-= 2012 =-
!! Séance 1
* 25 janvier. Intelligence artificielle et racines de l'apprentissage. 
** {file name="PartI.pdf"} {file name="PartII.pdf"} {file name="PartIII.pdf"}

!! Séance 2
* 1er février. Discussion autour de [http://www.thinkbiganalytics.com/uploads/Aspen-Big_Data.pdf | Perils and Promises of Big Data, 2010]
* 2 février. Probas-stats
** Slides : {file name="probastat.pdf"}
** Feuille de TD : {file name="stats.pdf"}

!! Séance 3
* 8 février. Apprentissage supervisé. Le surapprentissage.
** {file name="Cours_Cachan_2.pdf"}
**{file name="Document_Hastie.pdf"}
* 9 février. Introduction à Matlab/Octave. Plus proches voisins
** Prise en main {file name="intro_matlab.pdf"}
** Plus proches voisins {file name="TP_plus_proches_voisins.pdf"}

!! Séance 4
* 15 février. PAC learning. Espace des versions; arbres de décision
** {file name="Cours_Cachan_3.pdf"}
* 16 février. Suite et fin du TP Plus proches voisins.

!! Séance 5
* 29 février. Cours d'optimisation.
** Notes de cours {file name="cours_optimisation.pdf"}
** Slides tirés du livre Convex Optimization {file name="slides_optimisation.pdf"}
** Slides sur les difficultés possibles (empruntés à Anne Auger) {file name="slides_difficultés.pdf"}
* 1er mars. TD Optimisation (correction exercices de cours). Arbres de décision.
** Arbres de décision {file name="TP_arbre_decision.pdf"}
** Pour charger le fichier des iris {file name="iris_loader.m"}

!! Séance 6
* 7 mars. Réseaux neuronaux
** Slides {file name="Cours_Cachan_4.pdf"}
* 8 mars. Régression linéaire et polynomiale {file name="TP_reg_lin.pdf"}
* DM à rendre avant le 04 avril 2012 {file name="DM_PAC_Learning.pdf"}

!! Séance 7
* 14 mars. Suite des réseaux neuronaux
* 15 mars. Suite et fin du TP régression linéaire et polynomiale
** Fonction pour calculer l'erreur : {file name="errorFunction.m"}
** Fonction exécutant une descente de gradient : {file name="gradientDescent.m"}
** Script pour tester la régression linéaire sur une droite bruitée : {file name="script.m"}

!! Séance 8
* 21 mars Apprentissage statistique et Machines à vecteurs supports
** Slides {file name="COURS_21_fevrier.pdf"}

!! Séance 10
*

!! Séance 11
* 4 avril, Machines à vecteurs supports, deuxième partie
** Slides{file name="Cours_Cachan_6.pdf"}

!! Séance 13
* 11 avril, Apprentissage d'ensembles (boosting, bagging)
** Slides {file name="COURS_11_avril.pdf"}

!! Séance 14

!! Séance 15
* 9 mai, Représentation; sélection d'attributs, changements de représentation linéaire et non linéaires
** Slides  {file name="Cours_Cachan_8.pdf"}

!! Séance 16
* 10 mai, Clustering et Data Streaming
** Slides {file name="Cours_Cachan_9.pdf"}

!! Séance 17
* 16 mai, Apprentissage par renforcement
** Slides {file name="Cours_Cachan_10.pdf"}