Passer au contenu principal
Panneau latéral
Recherche globale
Fermer
Recherche globale
Activer/désactiver la saisie de recherche
Liens utiles
Mes horaires
Ma messagerie ULB
MonULB
Cible+
MEL
MaFac
Aides, services et accompagnement
eCursus
Portail du personnel ULB
Radar-IT ULB
SupportULB
Site web ULB
Connexion
Étudiant·es
Replier
Déplier
* SAA transversaux
Replier
Déplier
SAA - ULB
SAA - ARE
SAA - Numérique
* SAA facultaires
Replier
Déplier
SAA - PhiSoc
SAA - LTC
SAA - Droit et Crimino
SAA - SBS
SAA - PsyEL
SAA - Archi
SAA - Sciences
SAA - Polytech
SAA - Médecine
SAA - Pharmacie
SAA - Sciences de la Motricité
SAA - Santé publique
SAA - Charleroi
* SAA Guidances interfac
Replier
Déplier
Guidance en biologie
Guidance en chimie
Guidance en économie
Guidance en informatique
Guidance en math. et stat.
Guidance en physique
* Astuces UV
* Évaluation des enseignements
* À ne pas manquer
Replier
Déplier
L'IA générative à l'ULB
Si c'est pas oui, c'est non
Pauses Actives
Numérique responsable
Enseignant·es
Replier
Déplier
* UV : édition & activités d'apprentissage
* Ressources pédagogiques
* Enseigner avec le numérique
Replier
Déplier
Outils, activités, accompagnement
Enjeux pédagogiques et IA
Dynamiser mon cours avec Wooclap
Créer & gérer ses vidéos
Organiser ses QCM papier
Numérique responsable
* Formations & ateliers CAP
Ouvrir l’index du cours
Ouvrir le tiroir des blocs
INFO-F422 - Statistical foundations of machine learning - 202425
3 - Supervised Learning
Conditions d’achèvement
Déposé le 13 mars 25, 17:10
Cliquer le lien
TP3.zip
pour afficher le fichier.
Activité précédente
2 - Linear Models
Activité suivante
4 - Neural Networks
Aller vers l’activité
Aller vers l’activité
Annonces
Job opportunities, conferences, seminars and hackathons
Probability cheat sheet
Slides probability
Slides estimation
Slides non parametric
Slides linear regression
Slides supervised learning
Slides learning algorithms
Slides feature selection
Slides classification
Practicals Python
Handbook
Slides
Slides
Shiny dashboard: univariate and bivariate gaussian
Shiny dashboard: conditional probability
Shiny dashboard: Monte Carlo
Probability cheat sheet
Conditional Probability Explained: Visual Intuition
INFOF311 slides probability
Slides
Shiny dashboard: estimation
Suggested video: Sampling distribution (from Khan academy)
Slides
Shiny app: parametric and nonparametric estimation
Slides
Shiny app: least squares
Slides
Shiny app: regression and model selection
Slides
Suggested reading: Deep learning (from Science)
Playground tensor flow
Tutorial: Tensorflow in R and automatic differentiation
Autoencoders and deepfakes
Random Forests (original publication)
Shiny dashboard: Classification tree split
Slides
Suggested video: A layman introduction to PCA
Suggested reading: An introduction to variable and feature selection
Slides
Shiny dashboard: direct and inverse conditional distributions
Shiny dashboard: classification, perceptron, SVM, ROC curves
Suggested reading "Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?"
Some mathematical properties of the ROC curve and their applications
1 - Numpy, SciPy and Monte Carlo Simulations
2 - Linear Models
4 - Neural Networks
5 - Features Selection
6 - Classification