Machine learning - extensions#
Machine Learning Techniques#
Des sujets qu’il faut avoir vu car ils se manifestent dès qu’on commence à passer le cap du modèle qu’on entraîne une fois pour s’intéresser à la maintenance des modèles et à leur entraînement sur le long terme. Ces méthodes ne décrivent pas des modèles de machine learning mais des concepts communs à ne nombreux modèles.
Modèles plus rares de machine learning#
D’autres sujets parfois exotiques mais non moins intéressants.
- Algorithmes génétiques et autres variantes
- Apprentissage sans labels
- Clustering hors espace vectoriel de dimension finie
- Clustering sans k-Means ni Classification Ascendante Hiérarchique
- Apprentissage collaboratif
- Processus Gaussiens (GP)
- Modèles avec dépendances dans le temps
- Multiview machine learning
- Optimal transfert
- Prédire une distribution
- Système de recommandation avec contraintes
- Multi Agent Reinforcement Learning (MARL)
- Spiking Neural Network (SNN)
- Surprise Modelling
- Survival Analysis
- Très grande dimension
- Sélection dynamique de modèles
- Apprentissage non supervisé
Séries temporelles#
Interprétation, Anonymisation#
On sait beaucoup de choses avec les données et comme elles concernent des personnes la plupart du temps, les chercheurs réfléchissent à d’autres façons de les exploiter.
Cryptage, Privacy#
Graphes - Réseaux - Structures#
Deep Learning#
Cette partie a été déplacée dans un répertoire séparé : ensae_teaching_dl. Le deep learning est depuis 2012 l’outil le plus efficace pour traiter les images et le son.
Texte - Natural Language Processing - NLP#
Beaucoup des méthodes performantes reposent sur le deep learning aujourd’hui, que ce soit pour le texte, les images ou le son.