Le cours sur les paradigmes de l'apprentissage machine donne les bases théoriques de ce domaine. Voici le plan général
- Introduction
- Qu’est-ce que l’apprentissage ?
- Types d’apprentissage (exact, statistique, enligne)
- Apprentissage exact (élicitation)
- Concept, représentation, espace des versions
- Modèle “query learning”
- Fonctions logiques apprenables
- Fonction logiques non-apprenables
- Apprentissage statistique
- Minimisation de risque empirique
- Modèle “PAC learning”
- VC-dimension
- Convergence uniforme / non-uniforme
- Apprentissage de fonctions linéaires
- Bases d’optimisation convexe
- Régularisation et stabilité
- Algorithmes de descente de gradient
- Régression linéaire
- Classification linéaire
- Apprentissages de fonctions non-linéaires
- Espaces de motifs
- Méthodes noyaux
- Réseaux de neurones
- Apprentissage en ligne
- Modèle “online learning”
- Algorithmes d’experts
- Algorithmes de bandits multi-bras
- Apprentissage par renforcement
- Enseignant(e): Zied Bouraoui
- Enseignant(e): Frederic Koriche