Cette séance de cours explore les opportunités découlant de la convergence de l'Internet des objets et de l'apprentissage automatique, en se concentrant sur la grande quantité de données générées par les technologies IoT et ses applications personnalisées. Il fournit une introduction à l'apprentissage automatique, à sa philosophie et à son utilisation pratique, répondant aux défis de la mise en œuvre de l'apprentissage automatique dans le domaine de l'IoT.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Déplacez-vous dans l'intersection de la physique et des données dans les modèles d'apprentissage automatique, couvrant des sujets tels que les champs d'expansion des grappes atomiques et l'apprentissage non supervisé.
Introduit le cours d'analyse des données appliquées à l'EPFL, couvrant un large éventail de sujets d'analyse des données et mettant l'accent sur l'apprentissage continu en sciences des données.
Explore l'impact sociétal de la science, en préconisant de ne pas la limiter à l'intérieur des limites, et introduit «l'histoire expérimentale» comme une approche multidisciplinaire de l'étude de la science.
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
Couvre les principes fondamentaux de l'apprentissage profond, y compris les données, l'architecture et les considérations éthiques dans le déploiement de modèles.
