Machine learning
Completed
-
Présentation du cours
-
Présentation du machine learning
-
Apprentissage supervisé: régression linéaire
-
Travaux dirigés 1
-
Sur-apprentissage et régularisation
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Travaux dirigés 2
-
Sélection de modèle et évaluation
-
- Rejoindre ce cours pour accéder aux ressources
-
Optimisation d’hyperparamètres
-
Travaux dirigés 3
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Apprentissage supervisé: classification
-
- Rejoindre ce cours pour accéder aux ressources
-
Travaux dirigés 4
-
Réduction de dimension
-
- Rejoindre ce cours pour accéder aux ressources
-
Apprentissage supervisé: méthodes à noyaux
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Travaux dirigés 5
-
Apprentissage non-supervisé: clustering
-
Travaux dirigés 6
-
Projet guidé
-
- Rejoindre ce cours pour accéder aux ressources
-
- Rejoindre ce cours pour accéder aux ressources
-
-
Projets non-guidés
Pré-requis
Concepts importants pour débuter le cours
Probabilités et statistiques de base (distribution conditionnelle et conjointe, indépendance, règle de Bayes, variables aléatoires, espérance, moyenne, médiane, mode, théorème central limite)
Algèbre linéaire de base (multiplications matrice/vecteur, systèmes d'équations linéaires, SVD)
Analyse multivariée (dérivée par rapport à des variables vectorielles et matricielles)
Compétences de base en programmation Python
Les commentaires ne sont pas activés sur ce cours.