Explorers Series Banner

Explorers Series

Unearth the possibilities in your data

Séminaires enregistré

Modélisation prédictive : des bayésiens naïfs à l'apprentissage profond

présenté par Volker Kraft et David Meintrup

La modélisation empirique des données est incontournable pour faire face à la concurrence actuelle. Tous les défis techniques et d'ingénierie peuvent désormais être relevés, voire anticipés, en tirant parti des données générées par les opérations de routine.

Cette vidéo porte essentiellement sur l'élaboration de prévisions à l’aide de techniques de classification et d'apprentissage profond.

La « classification » cherche à attribuer des objets à des classes à partir des mesures réalisées. Si les classes sont connues à l'avance, on parle d'apprentissage supervisé, sinon, d'apprentissage non supervisé.

« L'apprentissage profond » est une branche récente de l'apprentissage automatique qui a permis de développer de nombreuses applications, de la classification d'image à la conduite autonome. Il fait appel à des algorithmes d'apprentissage et d'amélioration autonomes.

Voici les thèmes qui seront abordés :

  • Techniques d'apprentissage non supervisé
  • Méthodes de régression (apprentissage supervisé avec réponse continue)
  • Réseaux de neurones et méthodes d'apprentissage profond
  • Composantes d'un environnement d'apprentissage profond
  • Exemples d'applications d'apprentissage profond montrant l'appel du code R depuis JMP

Présenté en anglais

 

Inscrivez-vous pour voir la vidéo

*
*
*
 
*
*
*
  Merci de m’inscrire à JMP Newswire, la newsletter mensuelle dédiée aux utilisateurs de JMP.
  Oui, vous pouvez me contacter par email afin de m’informer des produits, services et informations de JMP.

JMP est une division de SAS Institute Inc., vos informations seront utilisées en accord avec la politique de confidentialité de SAS.

 
 

Back to Top