Cours Apprendre Enseignant Questionnaire

Maîtriser l'apprentissage automatique

AI-M107

S01Définir l'apprentissage automatique S02Identifier les types d'apprentissage automatique S03Comprendre les données d'apprentissage automatique S04Identifier les domaines d'application de l'apprentissage automatique S05Assimiler le cycle de vie d'un projet d'apprentissage automatique S06Maîtriser le protocole d'apprentissage S07Régression linéaire — définition, modèle et estimation par MCO S08Régression linéaire — droite de régression, R² et limites S09Régression linéaire multiple — modèle, données et MCO S10S10 S11Régression multiple - R2 et choix du modèle S12Régression logistique - problème et modèle S13Régression logistique - estimation et interprétation S14KNN - définitions, principe et distances S15KNN pour la classification et la régression S16Arbres de décision - définitions, algorithme et entropie S17Arbres de décision - gain d'informations, Gini et algorithmes d'induction S18Random Forest - méthodes d'ensemble, bagging, bootstrap et OOB S19Random Forest - principe, algorithme de Breiman et importance des attributs S20S20 S21SVM — principe de la classification et SVM linéaire S22SVM soft-margin et kernel trick S23Principe du regroupement et évaluation de la qualité S24Indice silhouette et regroupement hiérarchique S25Critères de ressemblance du regroupement hiérarchique S26Regroupement par partition — K-moyennes S27Réduction de dimensionnalité et principes de l'ACP S28ACP — étude des individus S29ACP — étude des variables, projections et pratique S30S30

ACP — étude des individus

Maîtriser l'apprentissage automatique · S28

Télécharge le diaporama de la séance.

Diaporama

PPT - S28 - ACP — étude des individus

Libre

Télécharger ↓

← PrécédentRéduction de dimensionnalité et principes de l'ACP Suivant →ACP — étude des variables, projections et pratique

© 2026 Zakaria Makhkhas. Tous droits réservés.

Cours Apprendre Enseignant Contact

Politique de confidentialité Conditions d'utilisation À propos Français & OFPPT