Francis Bach Guillaume Obozinski
69
pages
Français
Documents
Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus
Découvre YouScribe en t'inscrivant gratuitement
Découvre YouScribe en t'inscrivant gratuitement
69
pages
Français
Documents
Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus
Niveau: Supérieur, Master, Bac+5
Modeles graphiques probabilistes Francis Bach & Guillaume Obozinski INRIA - Ecole Normale Superieure M2 MVA 2011-2012 Modeles graphiques probabilistes 1/27
Voir
Modeles graphiques probabilistes Francis Bach & Guillaume Obozinski INRIA - Ecole Normale Superieure M2 MVA 2011-2012 Modeles graphiques probabilistes 1/27
- examen final en temps libre
- difficulte necessite d'integrer
- traitement automatique de la langue
- modeles graphiques probabilistes
- bonus pour les scribes volontaires
- apprentissage automatique
Mod`elesgraphiquesprobabilistes
Francis Bach & Guillaume Obozinski
INRIA-EcoleNormaleSupe´rieure
M2 MVA 2011-2012
oM`edlesrgpaihquesrpboabilistes/172
Informationsg´en´erales
Tous les mercredi 9h-12h salle C103 jusqu’au 23 Novembre. Validation du cours(20 %) + DM2 (20 %) + : DM1 examen final en temps libre (30%)+ projet (30%). Calendrier: Mi-novembrechoisirunprojeta`faireseulouenbinˆome. Avant1/12envoyerunemailannonc¸antlechoixduprojet. Avant17/12de´poservotreexamen(ausecre´tariat/paremail). Avant17/12envoyerundraftdeprojet(1page)+1err´esultats. Le 5/1 Session poster aux Pavillon des Jardins. Le 5/1 Rendu rapport de projets (≈6 pages). Polycopi´e`alealhercehcrsuar´rcerateait Emailfrancis.bach@ens.fr + guillaume.obozinski@ens.fr ´ecrireaux2+mettre”MVA” dans le titre de l’email. Notes de cours:certaines existantes, bonus pour les scribes volontaires(`afaireenbinˆome)pourlesnotesinexistantes.
Moed`lesrgpaihuqserpobabilistes2/27
Objet Extraire des “relations statistiques” entre ungrandnombredevariablesd’entr´ees/pre´dicteurs/descripteurs uneouplusieursvariablesdesorties/de´cision(s) Construire uneconnaissance empirique: Transformation d’information empirique en connaissance statistique
Apprentissage automatique
aborilibsets72/3
Apprentissage automatique
Objet Extraire des “relations statistiques” entre ungrandnombredevariablesd’entre´es/pre´dicteurs/descripteurs uneouplusieursvariablesdesorties/de´cision(s) Construire uneconnaissance empirique: Transformation d’information empirique en connaissance statistique
Sp´ecificit´esparrapportauxautresapprochesenIA 1onCisnancsaonec´donedritrapa`tnemeleltiensseeitrust s nees 2paciCae´tdelasi´nrege´ioatn
oM`edlesrgpaihquesrpboabilistes3/27
pr´edictif/d’action
Mode`le
mod`ele
vs
aux
statistiques classiques
But
Spe´cificit´rrapport e pa
de
explicatif
r´ealite´.
la
But Mode`lep´edictif/d’action r
Sp´ecificit´eparrapportauxstatistiquesclassiques
mode`leexplicatifdel´alite´. a re
vs
Difficulte ´ Ne´cessite´d’inte´greruneredavirbaelsuntr`esgrandnomb
teisom?Cntmefala?eri`doMseleparg
