Fiches de cours

Advanced machine learning

MICRO-570

Enseignant(s) :

Billard Aude

Langue:

English

Summary

This course will present some of the core advanced methods in the field for structure discovery, classification and non-linear regression. This is an advanced class in Machine Learning; hence, students are expected to have some background in the field.

Content

The class will be accompanied by practical session on computer, using the mldemos software (http://mldemos.epfl.ch) that encompasses more than 30 state of the art algorithms.

Keywords

Machine learning, statistics

Learning Prerequisites

Required courses

Probability & Statistics, Linear Algebra

Recommended courses

Machine Learning, Pattern Recognition

Important concepts to start the course

Linear Algebra: Eigenvalue and singular value decomposition

Statistics: Definitions of probability density function, marginal, likelihood, covariance, correlation

Optimization: Lagrange multipliers, gradient descent, local and global optima

 

Learning Outcomes

By the end of the course, the student must be able to:

Transversal skills

Teaching methods

Ex-cathedra lectures, exercises, computer-based practical sessions

Expected student activities

Each week, students should read the selected chapters of the Lecture Notes prior to class.

Students must attend the computer-based practice session and prepare regular reports that are graded.

Assessment methods

50% personal work during semester, 50% oral exam

 

Resources

Ressources en bibliothèque
Notes/Handbook

Machine Learning Techniques, available at the Librairie Polytechnique. To be purchased before the class starts.

Prerequisite for

Students must be knowledgeable about machine learning and have taken a course in the area either at EPFL or elsewhere. Relevant courses at EPFL are:

Applied Machine Learning - MICRO-455

Pattern Classification and Machine Learning: CS-433

Data Analysis and Model Classification - EE-516

Dans les plans d'études

    • Semestre
       Printemps
    • Forme de l'examen
       Oral
    • Crédits
      4
    • Matière examinée
      Advanced machine learning
    • Cours
      3 Heure(s) hebdo x 14 semaines
    • Exercices
      1 Heure(s) hebdo x 14 semaines
    • Projet
      1 Heure(s) hebdo x 14 semaines
    • Semestre
       Printemps
    • Forme de l'examen
       Oral
    • Crédits
      4
    • Matière examinée
      Advanced machine learning
    • Cours
      3 Heure(s) hebdo x 14 semaines
    • Exercices
      1 Heure(s) hebdo x 14 semaines
    • Projet
      1 Heure(s) hebdo x 14 semaines
  • Gestion de l'énergie et durabilité, 2020-2021, Master semestre 2
    • Semestre
       Printemps
    • Forme de l'examen
       Oral
    • Crédits
      4
    • Matière examinée
      Advanced machine learning
    • Cours
      3 Heure(s) hebdo x 14 semaines
    • Exercices
      1 Heure(s) hebdo x 14 semaines
    • Projet
      1 Heure(s) hebdo x 14 semaines
  • Gestion de l'énergie et durabilité, 2020-2021, Master semestre 4
    • Semestre
       Printemps
    • Forme de l'examen
       Oral
    • Crédits
      4
    • Matière examinée
      Advanced machine learning
    • Cours
      3 Heure(s) hebdo x 14 semaines
    • Exercices
      1 Heure(s) hebdo x 14 semaines
    • Projet
      1 Heure(s) hebdo x 14 semaines
    • Semestre
       Printemps
    • Forme de l'examen
       Oral
    • Crédits
      4
    • Matière examinée
      Advanced machine learning
    • Cours
      3 Heure(s) hebdo x 14 semaines
    • Exercices
      1 Heure(s) hebdo x 14 semaines
    • Projet
      1 Heure(s) hebdo x 14 semaines
    • Semestre
       Printemps
    • Forme de l'examen
       Oral
    • Crédits
      4
    • Matière examinée
      Advanced machine learning
    • Cours
      3 Heure(s) hebdo x 14 semaines
    • Exercices
      1 Heure(s) hebdo x 14 semaines
    • Projet
      1 Heure(s) hebdo x 14 semaines
    • Semestre
       Printemps
    • Forme de l'examen
       Oral
    • Crédits
      4
    • Matière examinée
      Advanced machine learning
    • Cours
      3 Heure(s) hebdo x 14 semaines
    • Exercices
      1 Heure(s) hebdo x 14 semaines
    • Projet
      1 Heure(s) hebdo x 14 semaines
    • Semestre
       Printemps
    • Forme de l'examen
       Oral
    • Crédits
      4
    • Matière examinée
      Advanced machine learning
    • Cours
      3 Heure(s) hebdo x 14 semaines
    • Exercices
      1 Heure(s) hebdo x 14 semaines
    • Projet
      1 Heure(s) hebdo x 14 semaines
    • Semestre
       Printemps
    • Forme de l'examen
       Oral
    • Crédits
      4
    • Matière examinée
      Advanced machine learning
    • Cours
      3 Heure(s) hebdo x 14 semaines
    • Exercices
      1 Heure(s) hebdo x 14 semaines
    • Projet
      1 Heure(s) hebdo x 14 semaines
    • Semestre
       Printemps
    • Forme de l'examen
       Oral
    • Crédits
      4
    • Matière examinée
      Advanced machine learning
    • Cours
      3 Heure(s) hebdo x 14 semaines
    • Exercices
      1 Heure(s) hebdo x 14 semaines
    • Projet
      1 Heure(s) hebdo x 14 semaines

Semaine de référence

 LuMaMeJeVe
8-9     
9-10     
10-11     
11-12     
12-13     
13-14     
14-15     
15-16     
16-17     
17-18     
18-19     
19-20     
20-21     
21-22     
En construction
 
      Cours
      Exercice, TP
      Projet, autre

légende

  • Semestre d'automne
  • Session d'hiver
  • Semestre de printemps
  • Session d'été
  • Cours en français
  • Cours en anglais
  • Cours en allemand