Machine Learning Practice

Hypothesis Testing

Test d'hypothèses

Day 12: Regression

Jour 12 : Régression

Classifiers, ROC, AUC

Classificateurs, ROC, AUC

Jupyter Hub Demonstration

Démonstration de Jupyter Hub

Course Mechanics: 2023

Mécanique du cours : 2023

Writing a stand-alone deep learning program.

Écrire un programme de deep learning autonome.

Working in the Bash shell

Travailler dans le shell Bash

Introduction to Scheduling Jobs on the OU Supercomputer

Introduction à l'ordonnancement des tâches sur le supercalculateur OU

Neural Network Implementation for XOR

Implémentation de réseau neuronal pour XOR

Computing Exclusive OR

Calcul du OU exclusif

Computing an OR function with a single neuron

Calcul d'une fonction OU avec un seul neurone

Soft Boundary K-Means Clustering

Clustering K-Means à Frontière Douce

Semi-Supervised Regression

Régression semi-supervisée

Multi-Dimensional Gaussian Probability Density Functions

Fonctions de densité de probabilité gaussiennes multidimensionnelles

Mixture Distributions

Distributions de mélange

Machine Learning Practice: Conclusions

Pratique du Machine Learning : Conclusions

Learning Gaussian Mixture Distributions

Apprendre les distributions de mélange gaussiennes

Label Spreading

Propagation d'étiquettes

Label Propagation

Propagation d'étiquettes

K-Means Clustering: Example in Scikit-Learn

K-Means Clustering : Exemple dans Scikit-Learn

K-Means Clustering

Clustering K-Means

Expectation Maximization Learning Example

Exemple d'apprentissage par maximisation des attentes

t-Statistic Neighbor Embedding

Plongement de voisins avec statistique t

T-SNE: Example in Scikit-Learn

T-SNE: Exemple dans Scikit-Learn

Principal Component Analysis: Example in Scikit-Learn

Analyse en composantes principales : Exemple dans Scikit-Learn

Principal Component Analysis with Kinematics: Example in Scikit-Learn

Analyse en Composantes Principales avec Cinématique : Exemple dans Scikit-Learn

Principal Component Analysis

Analyse en Composantes Principales

Multidimensional Scaling

Positionnement multidimensionnel

Locally Linear Embeddings: Example 2

Locally Linear Embeddings: Exemple 2

Locally Linear Embedding: Example 1

Locally Linear Embedding : Exemple 1

Locally Linear Embedding

Plongement Linéaire Local

Kernel Principal Component Analysis and Kinematics: Example in Scikit-Learn

Analyse en Composantes Principales à noyau et Cinématique : Exemple dans Scikit-Learn

Introduction to Dimensionality Reduction

Introduction à la réduction de dimensionnalité

Embedding-Based Methods for Dimensionality Reduction

Méthodes basées sur les plongements pour la réduction de dimensionnalité

Regression Trees

Arbres de régression

Random Forests

Forêts aléatoires

Probability Tree Learning

Apprentissage par arbre de probabilité

Introduction to Decision Trees

Introduction aux arbres de décision

Gradient Boosting

Feature Importance

Importance des caractéristiques