10f Apprentissage Automatique : Considérations sur la Validation Croisée

Cours de Master en Apprentissage Automatique, Professeur Michael J. Pyrcz

Résumé de la Conférence :

Conférence sur la validation croisée des modèles, y compris les flux de travail et la philosophie.

Voici une liste de toutes mes conférences sur l'apprentissage automatique prédictif :

0. Concepts d'Apprentissage Automatique - https://youtu.be/zOUM_AnI1DQ?si=kYrnHLkAZ2_pM0CS

1. Régression Linéaire - https://youtu.be/-to3JXiae9Y?si=IOFISDhGPABjYDJG

2. Régression Ridge - https://youtu.be/-to3JXiae9Y?si=yKR7gBY8S-knedZC

3. Régression LASSO - https://youtu.be/cVFYhlCCI_8?si=EA6xyIZf6zpQq1Ow

4. Bases de l'Optimisation - https://youtu.be/cVFYhlCCI_8?si=wGwqfhMi4SFFx3t6

5. Régression Polynomiale - https://youtu.be/z19Hs2HfO88?si=Yrlql4NxBhLvu8Xq

6. Entraînement et Test - https://youtu.be/owOSiKT3K8E?si=8LcwFHZ6arwjh6Di

7. Métriques de Qualité des Modèles - https://youtu.be/g38sEpFOX-0?si=mhGYZe-W7z3UwLGm

8. Validation Croisée des Modèles - https://youtu.be/FiX8IWPhTcg?si=p-I7wpb8yW-PC1FE

9. K-plus Proches Voisins - https://youtu.be/lzmeChSYvv8?si=hCJJ7Q3H8OG-5KNu

10. Complexité Computationnelle - https://youtu.be/SwyNEnHZxDw?si=Hm0ZIPbsFJXUfOmu

11. Considérations sur les K-plus Proches Voisins - https://youtu.be/SwyNEnHZxDw?si=Hm0ZIPbsFJXUfOmu

12. Régression Linéaire Bayésienne - https://youtu.be/LzZ5b3wdZQk?si=OIZOOuaw-ONZXtih

13. Chaîne de Markov Monte Carlo - https://youtu.be/7QX-yVboLhk?si=E-Lx8cdk9K1Yoz62

14. Exemple de Régression Linéaire Bayésienne - https://www.youtube.com/watch?v=JG69fxKzwt8&list=PLG19vXLQHvSC2ZKFIkgVpI9fCjkN38kwf&index=35

15. Naïve Bayes - https://youtu.be/BDvyLrH3cLI?si=kssB6MLNK9bovIHX

16. Arbre de Décision - https://youtu.be/JUGo1Pu3QT4?si=S5oRcyNdh1sx2wve

17. Forêt Aléatoire - https://youtu.be/m5_wk310fho?si=S7yr2ogePSmC-miJ

18. Gradient Boosting - https://youtu.be/___T8_ixIwc?si=Ozk3vKUpAC1ej7u0

19. Machines à Vecteurs de Support - https://youtu.be/UpN6TLMJiGg?si=hrQxhirVK0lpgpi-

Note, j'ai exclu mes conférences sur la modélisation prédictive en apprentissage profond pour des raisons de concision.

Chapitre de Livre Électronique de Cours Gratuit en Ligne :

Validation Croisée - https://geostatsguy.github.io/MachineLearningDemos_Book/MachineLearning_training_tuning.html#train-and-test-hold-out-cross-validation

Théorie et flux de travail bien documentés liés aux conférences et tableaux de bord interactifs Python.

Résumé du Cours :

Bienvenue dans le cours d'Apprentissage Automatique en Sous-Surface, un cours de niveau master que j'enseigne à l'Université du Texas à Austin. Bien que le cours soit officiellement intitulé « Apprentissage Automatique en Sous-Surface » pour mettre en avant son accent sur les applications en modélisation sous-surface, le matériel est largement applicable et conçu pour vous doter de compétences fondamentales et avancées en apprentissage automatique pertinentes dans divers domaines.

Le cours commence par des concepts fondamentaux en modélisation spatiale et sous-surface, ancrés dans des principes de géoscience et d'ingénierie, et construit une base solide en probabilité, statistiques, et ingénierie et sélection de caractéristiques. À partir de là, nous explorons des techniques d'apprentissage automatique inférentielles et prédictives, avançant jusqu'aux méthodes d'apprentissage profond à la pointe de la technologie. Tout au long du cours, je m'efforce de rendre les sujets complexes accessibles, fournissant un chemin clair vers la maîtrise de l'apprentissage automatique pour relever des défis du monde réel et vous permettant de naviguer et d'exploiter en toute confiance la puissance de la révolution numérique en cours.

Ressources du Cours :

Livre électronique du cours : https://geostatsguy.github.io/MachineLearningDemos_Book

Playlist YouTube du cours : https://www.youtube.com/playlist?list=PLG19vXLQHvSC2ZKFIkgVpI9fCjkN38kwf

Mon Contenu Éducatif Partagé :

YouTube : https://www.youtube.com/GeostatsGuyLectures

GitHub : https://github.com/GeostatsGuy

Twitter : https://x.com/GeostatsGuy

Je partage tout mon contenu éducatif universitaire pour soutenir les étudiants et les professionnels en activité intéressés à apprendre l'analyse de données, la géostatistique et l'apprentissage automatique.

Plus sur l'Auteur :

Découvrez-en plus sur mes étudiants de master, mon consortium de recherche, etc. Je suis heureux de discuter de collaboration en recherche et de cours courts.

J'espère que vous trouverez mon contenu de cours éducatif utile dans votre parcours en science des données,

Professeur Michael J. Pyrcz

École d'Ingénierie Cockrell

Jackson School of Geosciences

Université du Texas à Austin

#dataanalytics #datascience #geostatistics #machinelearning