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

Aperçu

In today's data-driven world, Machine Learning (ML) is at the forefront of technological innovation, powering applications from personalized recommendations to advanced medical diagnostics. This comprehensive course is designed to equip you with a strong foundation in Machine Learning algorithms and their real-world applications.

Whether you're a beginner or someone with some prior exposure to ML, this course will guide you step-by-step through the essential concepts and practical techniques needed to excel in this field.

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

---

Matières

Computer Science