Apprentissage profond non supervisé: modèles génératifs

\(\newcommand{\N}{\mathbb{N}} \newcommand{\Q}{\mathbb{Q}} \newcommand{\R}{\mathbb{R}} \newcommand{\C}{\mathbb{C}} \newcommand{\bs}[1]{\boldsymbol{#1}} \newcommand{\Ma}{\mathcal{M}} \newcommand{\Norm}{\|} \newcommand{\tild}{\tilde} \newcommand{\bigzero}{\Large 0} \newcommand{\lt}{<} \newcommand{\gt}{>} \newcommand{\amp}{&} \)

Chapter 6 Apprentissage profond non supervisé: modèles génératifs

L'apprentissage supervisé est une branche de l'apprentissage qui a pour but de construires des approximations de fonctions à partir d'exemple de données d'entrée et de sortie. Afin d'attaquer des méthodes de réduction de dimension nonlinéaire on introduire un certains nombres de méthodes d'apprentissage qui seront très utiles par la suite. On se concentrera ici sur le problème de régression ou les entrées et les sorties sont continues.