Ce cours aborde des concepts avancés non abordés dans le cours Apprentissage Automatique 1.
En particulier ce cours traite des thèmes suivants:
- Aprentissage transductif, semi-supervisé et actif
- Apprentissgae par transfert et adaptation de domaine
- Apprentissage multi-tâches
- Apprentissage Few shot
- Apprentissage zero shot learning et self supervised learning
- Méthodes d’ensemble et boosting
- Prédiction de données structurées
- Modélisation à variables latentes
- Méthodes tensorielles, co-clustering
- Apprentissage fédéré - Modèles de mélange gaussien
- Décompositions tensorielles