Planifiez des expériences coûteuses à l’aide de substituts probabilistes et de stratégies d’acquisition.
Du principe de l’optimisation bayésienne à la conception séquentielle et au réglage automatisé des performances, le parcours traite incertitude, choix d’acquisition, bruit et contraintes pratiques. Vous concevez des comparaisons reproductibles avec la recherche aléatoire et documentez le budget de recherche.
Expliquer comment un substitut probabiliste et une règle d’acquisition guident les évaluations successives de l’objectif. Choisir espaces de recherche et protocoles adaptés aux paramètres mixtes, bornés, bruités ou coûteux. Comparer optimisation bayésienne et recherche aléatoire ou sur grille à budget égal, en rapportant incertitude et reproductibilité.
Une connaissance de l’apprentissage supervisé, des hyperparamètres et des probabilités de base est recommandée. Savoir interpréter des graphiques est utile ; l’expérience des processus gaussiens n’est pas nécessaire.
Aux apprenants expérimentés souhaitant approfondir et appliquer des compétences avancées en IA
Aux personnes qui apprennent mieux avec des exemples, des leçons guidées et de la pratique
Aux professionnels, créateurs et développeurs indépendants recherchant une méthode reproductible
La leçon 1 est gratuite
4 leçons · Avancé · Cours complet.
Ce cours utilise du contenu sous licence CC BY attribué à son fournisseur ou à la personne qui l’a mis en ligne. La lecture des leçons est disponible uniquement après authentification et validation des contrôles de publication et de licence.