Séminaire

Session 8 : ML : apprentissage non supervisé, association et réduction dimensionnelle, apprentissage par renforcement

Module LOGICIELS métiers et dématérialisation
Les techniques d’association ont pour objet d’analyser les relations existant entre des variables caractéristiques d’un évènement ou de détecter ces associations. Il s’agit ici des caractéristiques qui reviennent systématiquement lors de ces évènements.
La réduction dimensionnelle a pour objet de réduire le nombre de variables analysées et donc de simplifier le modèle (réduction du nombre d’éléments des vecteurs de « features »).
Ces algorithmes permettent d’optimiser l’ensemble des conséquences (récompenses ou punitions), résultant d’une série d’actions portant sur un environnement, dont elles font varier l’état. L’idée est qu’un agent va apprendre la séquence d’actions optimale, qui lui permettra d’obtenir la meilleure récompense au bout du processus.
De nombreux algorithmes sont à classer dans cette famille, Q-Learning, SARSA, DQN, DQPG, etc.
Session 8 : ML : apprentissage non supervisé, association et réduction dimensionnelle, apprentissage par renforcement
24-09-2020
Claude Marson (France)
14h30
Terminé
Plus de meetings
L’échec de la modélisation
Webinaire

L’échec de la modélisation

Module Architectures applicatives et développement d’APPLICATIONS

Pensez avant de coder. C'est ce que nous disaient nos enseignants à l'époque de nos premières armes en programmation. Et ils ajoutaient que l'on pouvait se ...

Abonnez-vous
  • Suivez LeMarson en direct
  • Accédez à des centaines de dossiers et d'articles
  • Visionnez des dizaines d'heures de formations vidéos
  • Téléchargez le Livre des tendances de l'année
Annuel

$590.00