facebook
favorite button
member since icon
Depuis septembre 2016
Professeur depuis septembre 2016
Cours particulier en Math, Physique, Chimie
course price icon
Àpd 45.05 € /h
arrow icon
Etudiant à l'EPFL en bachelor Génie Mécanique deuxième année propose un soutien individualisé dans les différentes matières scientifiques ! Ayant déjà auparavant donné des cours particulier je saurais m'adapter à vos besoins
Lieu
green drop pin icon
|
Utilisez Ctrl + molette pour zoomer !
zoom in iconzoom out icon
location type icon
Cours au domicile de l'élève :
  • Autour de Lausanne, Suisse
Age
Enfants (7-12 ans)
Adolescents (13-17 ans)
Adultes (18-64 ans)
Niveau du Cours
Débutant
Intermédiaire
Avancé
Durée
60 minutes
90 minutes
120 minutes
Enseigné en
français
Compétences
Disponibilité semaine type
(GMT -04:00)
New York
at home icon
Cours à domicile
Mon
Tue
Wed
Thu
Fri
Sat
Sun
00-04
04-08
08-12
12-16
16-20
20-24
Cours Similaires
arrow icon previousarrow icon next
verified badge
Dafnis
Bonjour,

Je suis un professeur de machine learning avec 5 ans d'expérience et je suis capable d'enseigner à tous les niveaux. Je suis spécialisé en utilisant Python et R pour enseigner les différents algorithmes de machine learning, y compris les réseaux de neurones, les arbres de décision et les algorithmes de clustering.

J'ai également une expérience approfondie dans l'utilisation de libraries Python et R populaires comme TensorFlow, Keras, Scikit-learn et ggplot2.

En plus de mon enseignement en matière de machine learning, je suis également capable d'aider mes étudiants à lire et à comprendre des articles de recherche pour leurs exposés, ainsi qu'à travailler sur des projets en Python et R.

Je suis passionné par l'apprentissage automatique et j'aime partager mon savoir avec mes étudiants. Si vous êtes intéressé par mes services en tant que professeur de machine learning pour tous les niveaux, n'hésitez pas à me contacter.

Je suis en mesure de vous enseigner les sujets suivants :

1.Python ou R
2.Exploration des données
3.Machinea learning
3.1. Intro ML
3.2. Linear Model
-> Linear Models for Regression and Classification
3.3. Kernel
-> Kernelization
3.4. Model selection
3.5. Ensemble model,
-> Bagging / RandomForest, Boosting (XGBoost,LightGBM,...) , Stacking
3.6. Data préprocessing
-> Data preprocessing
-> Pipelines: choose the right preprocessing steps and models in your pipeline
-> Cross-validation
3.7. Neural Networks
-> Neural architectures
-> Training neural nets: Forward pass: Tensor operations and Backward pass: Backpropagation
-> Neural network design: Activation functions, weight initialization and Optimizers
-> Neural networks in practice: Model selection, Early stopping, Memorization capacity and information bottleneck, L1/L2 regularization, Dropout, Batch normalization
3.8. Convolutional Neural Networks
-> Image convolution
-> Convolutional neural networks
->Data augmentation
-> Model interpretation
-> Using pre-trained networks (transfer learning)
3.9. Neural Networks for text
-> Bag of words representations, Word embeddings, Word2Vec, FastText, GloVe

En plus de mon enseignement en matière de machine learning, je peux également aider mes étudiants à se préparer pour les entretiens d'embauche pour des postes de data scientist.
message icon
Contacter Nicolas
repeat students icon
Le premier cours est couvert par notre Garantie Le-Bon-Prof
Cours Similaires
arrow icon previousarrow icon next
verified badge
Dafnis
Bonjour,

Je suis un professeur de machine learning avec 5 ans d'expérience et je suis capable d'enseigner à tous les niveaux. Je suis spécialisé en utilisant Python et R pour enseigner les différents algorithmes de machine learning, y compris les réseaux de neurones, les arbres de décision et les algorithmes de clustering.

J'ai également une expérience approfondie dans l'utilisation de libraries Python et R populaires comme TensorFlow, Keras, Scikit-learn et ggplot2.

En plus de mon enseignement en matière de machine learning, je suis également capable d'aider mes étudiants à lire et à comprendre des articles de recherche pour leurs exposés, ainsi qu'à travailler sur des projets en Python et R.

Je suis passionné par l'apprentissage automatique et j'aime partager mon savoir avec mes étudiants. Si vous êtes intéressé par mes services en tant que professeur de machine learning pour tous les niveaux, n'hésitez pas à me contacter.

Je suis en mesure de vous enseigner les sujets suivants :

1.Python ou R
2.Exploration des données
3.Machinea learning
3.1. Intro ML
3.2. Linear Model
-> Linear Models for Regression and Classification
3.3. Kernel
-> Kernelization
3.4. Model selection
3.5. Ensemble model,
-> Bagging / RandomForest, Boosting (XGBoost,LightGBM,...) , Stacking
3.6. Data préprocessing
-> Data preprocessing
-> Pipelines: choose the right preprocessing steps and models in your pipeline
-> Cross-validation
3.7. Neural Networks
-> Neural architectures
-> Training neural nets: Forward pass: Tensor operations and Backward pass: Backpropagation
-> Neural network design: Activation functions, weight initialization and Optimizers
-> Neural networks in practice: Model selection, Early stopping, Memorization capacity and information bottleneck, L1/L2 regularization, Dropout, Batch normalization
3.8. Convolutional Neural Networks
-> Image convolution
-> Convolutional neural networks
->Data augmentation
-> Model interpretation
-> Using pre-trained networks (transfer learning)
3.9. Neural Networks for text
-> Bag of words representations, Word embeddings, Word2Vec, FastText, GloVe

En plus de mon enseignement en matière de machine learning, je peux également aider mes étudiants à se préparer pour les entretiens d'embauche pour des postes de data scientist.
Garantie Le-Bon-Prof
favorite button
message icon
Contacter Nicolas