Ce que vous devez savoir avant
Vous commencez

Débute 4 June 2026 13:06

Se termine 4 June 2026

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Comprendre les algorithmes d'apprentissage automatique à travers des exemples

Explorez des algorithmes d'apprentissage automatique courants et des pratiques à travers des exemples industriels, apprenez à choisir le bon algorithme et découvrez les solutions Azure ML pour automatiser des tâches sans codage.
PASS Data Community Summit via YouTube

PASS Data Community Summit

6076 Cours


1 hour

Amélioration optionnelle disponible

Not Specified

Progressez à votre rythme

Conference Talk

Amélioration optionnelle disponible

Aperçu

Explore common machine learning algorithms and practices through industry examples, learn to choose the right algorithm, and discover Azure ML solutions for automating tasks without coding.

Programme

  • Introduction à l'apprentissage automatique
  • Aperçu des concepts de l'apprentissage automatique
    Importance et applications dans l'industrie
    Introduction à la plateforme Azure ML
  • Algorithmes d'apprentissage supervisé
  • Régression linéaire
    Étude de cas : Prédiction des prix de l'immobilier
    Mise en œuvre dans Azure
    Arbres de décision
    Étude de cas : Évaluation des risques de crédit
    Mise en œuvre dans Azure
    Machines à vecteurs de support
    Étude de cas : Classification de texte
    Mise en œuvre dans Azure
  • Algorithmes d'apprentissage non supervisé
  • Clustering (k-Means)
    Étude de cas : Segmentation des clients
    Mise en œuvre dans Azure
    Analyse en composantes principales (ACP)
    Étude de cas : Réduction de dimension pour les données d'image
    Mise en œuvre dans Azure
  • Apprentissage par renforcement
  • Introduction aux concepts de l'apprentissage par renforcement
    Étude de cas : Stratégies de tarification dynamique
    Mise en œuvre dans Azure
  • Évaluation et sélection de modèles
  • Précision, rappel et fidélité
    Courbes ROC et AUC
    Techniques de validation croisée
  • Choix du bon algorithme
  • Comprendre les types et caractéristiques des données
    Compromis et considérations (Compromis biais-variance)
    Conseils pratiques pour la sélection des algorithmes
  • Automatisation des tâches d'apprentissage automatique
  • Introduction aux solutions d'apprentissage automatique automatisé sur Azure
    Mise en place d'expériences d'apprentissage automatique automatisé
    Meilleures pratiques pour l'automatisation des flux de travail ML
  • Ateliers pratiques et projets
  • Exercice : Créer un modèle de prédiction simple
    Projet : Pipeline d'apprentissage automatique de bout en bout avec Azure
  • Conclusion et étapes suivantes
  • Révision des concepts appris
    Ressources pour l'apprentissage continu

Matières

Conference Talks