Rémi Flamary

Traitement du signal avancé, Machine Learning M1

Responsable du cours: Cédric Richard

Cours

• Reconnaissance des formes et machine learning [PDF]
  • Introduction
  • Description/Exploration des données
  • Prédiction
  • Mise en oeuvre d'un système
• Analyse en Composantes Principales (ACP) [PDF]
  • Analyse des données
  • Inerties
  • Analyse en Composantes Principales
• Analyse factorielle discriminante (AFD) [PDF]
  • Discriminant de Fisher
  • Discrimination à 2 classes
  • Choix du critère
  • Discrimination multi-classe
• Régression Linéaire [PDF]
  • Régression Linéaire
  • Régression Ridge
  • Régression linéaire pour la discrimination
• Discrimination Linéaire [PDF]
  • Régression logistique
  • Perceptron de Rosenblatt
  • Séparateurs à Vaste Marge
• Théorie bayesienne de la décision [PDF]
  • Rapport de vraisemblance
  • Risque de Bayes
  • Exemples dans le cas gaussien

Travaux Dirigés

• TD1 Rappels
• TD2 ACP [PDF]
• TD3 Régression linéaire [PDF]
• TD4 Discrimination linéaire [PDF]

Travaux Pratiques

Les rapports de TP doivent être rendus sur la page Jalon du cours.

• TP 0 : Rappels Python [Slides]
• TP 1 : LDA [PDF] [digits.npz]
• TP 2 : Bayes [PDF] [pima.npz]
• TP 3 : KNN [PDF] [pima.npz]

• TP 4 : NN [PDF] [digits.npz]

• TP 5 : ACP [PDF] [temper.npz] [digits.npz]

• TP 6 : AFD [PDF] [digits.npz]
• TP 7 : Régression linéaire [PDF] [ECoG_Finger.npz]
• TP 8 : Classification linéaire [PDF][digits.npz]

Les travaux pratiques peuvent être faits en Python et nécessitent les bibliothèques Numpy/Scipy et Matplotlib. Vous pouvez télécharger gratuitement un environnement Python 3.6 complet pour Windows/Linux/MacOSX sur le site de Anaconda.

Voici une liste de références pour coder en Python:

• Cours Python 3 pour la programmation scientifique
• Tutorial Numpy (en)
• Doc Numpy (en)
• Doc Scipy (en)
• Doc ScMatplotlib/pylab (en)

Travaux Pratiques (Matlab)

Les rapports de TP doivent être rendus sur la page Jalon du cours.

• TP ACP [PDF] [temper.mat] [digits.mat]
• TP AFD [PDF] [digits.mat]
• TP Régression linéaire [PDF] [ECoG_Finger.mat]

• TP Classification linéaire [PDF][digits.mat]

• TP Bonus Prédiction linéaire [PDF] [ECoG_Finger.mat]

• TP Bonus LDA [PDF] [digits.mat]
• TP Bonus Bayes [PDF] [pima.mat]

Les travaux pratiques peuvent être faits avec le logiciel Matlab ou le logiciel compatible Octave dont la dernière version pour windows peut être téléchargée ici gratuitement. Pensez à utiliser l'interface graphique en éxécutant le fichier octave-gui.bat.