Apprentissage automatique des principes et des algorithmes

par Balazs Kegl

lundi 6 mars 2006, 00:00 → 00:00 US/Central

Amphi Pierre Lehmann (LAL)

Dans ce séminaire, je vais présenter une vue d'ensemble sur l'état d'art de l'apprentissage statistique en décrivant certains des principaux accomplissements des quinze dernières années. Je vais ébaucher les idées fondamentales derrière les meilleurs algorithmes d'apprentissage, et je vais décrire les principes généraux d'apprentisage qui ont émergé de l'analyse théorique de ces algorithmes. En particulier, je décrirai brièvement deux algorithmes (les machines à vecteurs de support et AdaBoost) et leur rapport théorique (le principe de grande marge). Je conclurai mon séminaire avec des perspectives sur le futur de l'apprentissage automatique.

transparents transparents