Machine Learning (Apprentissage automatique)
Qu'est-ce que c'est
L'apprentissage automatique de troisième cycle va au-delà de l'application d'algorithmes standards vers la compréhension de leurs fondements théoriques — la théorie de l'apprentissage statistique, les bornes de généralisation, les paysages d'optimisation, et les hypothèses mathématiques sous-jacentes expliquant pourquoi et quand différentes méthodes d'apprentissage réussissent ou échouent.
Pourquoi c'est important
Au niveau de la recherche, savoir simplement comment appeler une fonction de bibliothèque ne suffit pas — faire progresser le domaine, diagnostiquer des échecs subtils de modèles, ou adapter des méthodes à des problèmes véritablement nouveaux nécessitent tous de comprendre la théorie assez bien pour raisonner sur le comportement d'une méthode en dehors des cas de manuel pour lesquels elle a été initialement conçue.
Astuce d'examen
Lors de l'examen de la méthode proposée dans un article de recherche, recherchez spécifiquement les hypothèses qu'elle fait sur les données ou la structure du problème — les résultats phares d'une méthode ne tiennent souvent que sous des conditions faciles à négliger si vous vous concentrez uniquement sur les chiffres de précision rapportés.
Sujets liés
Intéressé par des cours de Machine Learning (Apprentissage automatique) ?
Parlez-nous des objectifs et de la confiance de l'élève — nous concevrons un plan personnalisé.