L'alchimie des algorithmes : Déverrouiller les secrets de l'apprentissage automatique

Aperçu

Dans le monde axé sur les données d'aujourd'hui, le Machine Learning (ML) est à l'avant-garde de l'innovation technologique, alimentant des applications allant des recommandations personnalisées aux diagnostics médicaux avancés. Ce cours complet est conçu pour vous fournir une base solide en algorithmes de Machine Learning et leurs applications pratiques.

Que vous soyez débutant ou que vous ayez déjà une certaine expérience en ML, ce cours vous guidera étape par étape à travers les concepts essentiels et les techniques pratiques nécessaires pour exceller dans ce domaine.

Programme

• Introduction à l'apprentissage automatique
Définition et importance de l'apprentissage automatique
Aperçu des applications de l'apprentissage automatique
• Fondamentaux de l'apprentissage automatique
Concepts clés et terminologie
Types d'apprentissage automatique : supervisé, non supervisé et par renforcement
• Configurer votre environnement
Introduction à Python et aux Jupyter Notebooks
Bibliothèques clés : NumPy, Pandas, Matplotlib, Scikit-Learn
• Prétraitement des données
Nettoyage et préparation des données
Mise à l'échelle et normalisation des caractéristiques
Gestion des valeurs manquantes
• Algorithmes d'apprentissage supervisé
Régression linéaire
Régression logistique
Arbres de décision et forêts aléatoires
Machines à vecteurs de support
K-Plus proches voisins
• Techniques d'évaluation de modèle
Division train/test et validation croisée
Mesures d'évaluation : Précision, Précision, Rappel, Score F1
• Algorithmes d'apprentissage non supervisé
Regroupement K-Means
Regroupement hiérarchique
Analyse en Composantes Principales (ACP)
• Introduction aux réseaux de neurones
Bases des réseaux de neurones
Introduction à l'apprentissage profond et structures des réseaux de neurones
• Techniques pratiques en apprentissage automatique
Surapprentissage et sous-apprentissage
Réglage des hyperparamètres
Sélection et validation de modèles
• Applications réelles de l'apprentissage automatique
Systèmes de recommandation
Notions de traitement du langage naturel
Classification d'images
• Tendances de pointe en apprentissage automatique
Apprentissage par transfert
Apprentissage automatique automatisé (AutoML)
• Projet final
Identification d'un problème et choix du bon algorithme
Construction, évaluation et présentation d'une solution d'apprentissage automatique
• Revue du cours et prochaines étapes
Récapitulatif des concepts clés
Ressources d'apprentissage complémentaire et voies professionnelles en IA et apprentissage automatique

Enseigné par

Vivian Aranha

Sujets

Informatique