Maîtriser l'apprentissage automatique

30 séances — téléchargement direct

S01

Définir l'apprentissage automatique

S02

Identifier les types d'apprentissage automatique

S03

Comprendre les données d'apprentissage automatique

S04

Identifier les domaines d'application de l'apprentissage automatique

S05

Assimiler le cycle de vie d'un projet d'apprentissage automatique

S06

Maîtriser le protocole d'apprentissage

S07

Régression linéaire — définition, modèle et estimation par MCO

S08

Régression linéaire — droite de régression, R² et limites

S09

Régression linéaire multiple — modèle, données et MCO

S10

S10

S11

Régression multiple - R2 et choix du modèle

S12

Régression logistique - problème et modèle

S13

Régression logistique - estimation et interprétation

S14

KNN - définitions, principe et distances

S15

KNN pour la classification et la régression

S16

Arbres de décision - définitions, algorithme et entropie

S17

Arbres de décision - gain d'informations, Gini et algorithmes d'induction

S18

Random Forest - méthodes d'ensemble, bagging, bootstrap et OOB

S19

Random Forest - principe, algorithme de Breiman et importance des attributs

S20

S20

S21

SVM — principe de la classification et SVM linéaire

S22

SVM soft-margin et kernel trick

S23

Principe du regroupement et évaluation de la qualité

S24

Indice silhouette et regroupement hiérarchique

S25

Critères de ressemblance du regroupement hiérarchique

S26

Regroupement par partition — K-moyennes

S27

Réduction de dimensionnalité et principes de l'ACP

S28

ACP — étude des individus

S29

ACP — étude des variables, projections et pratique

S30

S30