Initiation au Machine Learning avec Python

Introduction au Machine Learning

Structure générale d’un apprentissage
Apprentissage / Validation / Test
Grid Search et Cross validation
Métriques d’évaluation des modèles
Les types d’apprentissage : supervisé, semi supervisé, non supervisé, par renforcement, réapprentissage

Pré-processing

Normalisation des données
Réduction de dimensionnalité (PCA)

Apprentissage supervisé

Régression linéaire>
Régression logistique
Régression logistique dans le cadre multi classe : 1 vs all, Softmax
Arbre de décision, forêts aléatoires et apprentissage ensembliste
Autres algorithmes : classification naïve bayésienne, méthode des k
plus proches voisins (K NN), réseaux de neurones, SVM

Apprentissage non supervisé

K-moyennes (k means ), k-médoïdes
Clustering Hiérarchique Ascendant (CAH) et Descendant (CAD)
Carte auto-organisatrice (SOM)>