Apprentissage supervisé et non-supervisé
L'essentiel
Caractéristiques
Cours
Lieu et mode de présence
13 départements
Présentiel
Domaines d’enseignement
Machine learning
Présentation
Introduction, découverte et applications des principales familles d'algorithmes d'apprentissage automatique supervisé et non-supervisé.
Comprendre et appliquer les fondamentaux du machine learning.
Comprendre le fonctionnement et appliquer l'apprentissage supervisé (régression, réseaux de neurones, deep learning, arbre de décision, forêt aléatoires, boosting, bayésien naif, ...)
Comprendre le fonctionnement et appliquer l'apprentissage non-supervisé (K-Means, Clustering Hiérarchique, HDSCAN, Règle d'association, ...)
Appliquer ces méthodes aux travers d'exercice en Python aux niveaux adaptés, ludique et facile à mettre en place.