Plan du cours

Introduction à l'apprentissage appliqué Machine Learning

  • Apprentissage statistique vs. apprentissage automatique
  • Itération et évaluation
  • Compromis biais-variance

Machine Learning avec Scala

  • Choix des bibliothèques
  • Outils complémentaires

Régression

  • Régression linéaire
  • Généralisations et non-linéarité
  • Exercices

Classification

  • Rappel sur la classification bayésienne
  • Bayes naïf
  • Régression logistique
  • K-Proches voisins
  • Exercices

Validation croisée et rééchantillonnage

  • Approches de validation croisée
  • Bootstrap
  • Exercices

Apprentissage non supervisé

  • K-means clustering
  • Exemples d'apprentissage non supervisé
  • Défis de l'apprentissage non supervisé et au-delà des K-moyennes

Pré requis

Connaissance du langage de programmation Java/Scala. Une connaissance de base des statistiques et de l'algèbre linéaire est recommandée.

  14 heures
 

Nombre de participants


Début

Fin


Dates are subject to availability and take place between 09:30 and 16:30.

Prix par participant

Cours Similaires

Catégories Similaires