|
|
Date
|
CONTENU |
Speaker |
Slides
|
|
1
|
17 octobre
|
Ch1 :
Introduction
Ch2 : Overview of supervised learning |
C.
LBdT |
|
|
2
|
24 octobre
|
Ch3 :
Linear methods for regression |
M. Key Prato/B.
Govaerts |
|
|
3
|
31 octobre
|
Ch4 :
Linear methods for classification |
C. Bugli |
|
|
4
|
7 novembre
|
Ch5
(§1 à §5) : Basic expansions and regularization |
Nicolas Delannay |
|
|
5
|
Mercredi
19 novembre
|
Ch5
(§6 à §9) : Basic expansions and regularization |
Jérémie
Bigot |
|
|
6
|
21 novembre
|
Ch6 :
Kernel methods |
G. Geenens |
|
|
7
|
28 novembre
|
Ch7 (§1
à §9): Model assessment and selection |
S. Van Bellegem |
|
|
8
|
5 décembre
|
Ch7 (§10
et §11): Model assessment and selection
Ch8 (§1 et §4): Model inference and averaging |
C. Van Bellegem (chap7)
C. Bugli (chap8)
|
|
|
9
|
12 décembre
|
Ch8 (§5 et
§9): Model inference and averaging |
C. Le Bailly |
|
|
10
|
30 janvier
|
Ch9
(§1, §2, §3 et §7) : Additive models, trees, and related methods |
A. Jullion et
R. Rousseau |
|
|
11
|
6 février
|
Ch10 (§1 à §10) : Boosting and additive trees |
Alexandre et Cédric |
|
|
12
|
13 février
|
Ch10 (§11 à §14) : Boosting and additive trees |
Alexandre et Cédric |
|
|
13
|
20 février
|
Ch11 :
Neural networks |
D. François |
|
|
14
|
27 février
|
Ch12 (§1
à §3): Support vector machines and flexible discriminants |
J. Bigot |
|
|
15
|
5 mars
|
Ch12 (§4
à §7): Support vector machines and flexible discriminants |
Jérôme Callut |
|
|
16
|
12 mars
|
Ch13 :
Prototype methods and nearest-neighbors |
Pierre Dupont |
|
|
17
|
19 mars
|
Ch14 (§1
et §2): Unsupervised learning |
J. Callut |
|
|
18
|
26 mars
|
Ch14 (§3):
Unsupervised learning |
N. François |
|
|
19
|
2 avril
|
Ch14 (§4
et §7): Unsupervised learning |
G. Simon |
|
