Plan du cours

Introduction au Data mining et Machine Learning

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

Régression

  • Régression linéaire
  • Généralisations et non-linéarité
  • Exercices

Classification

  • Rappel sur la classification bayésienne
  • Bayes naïf
  • Analyse dicriminante
  • Régression logistique
  • K-voisins les plus proches
  • Machines à vecteurs de support
  • Réseaux neuronaux
  • Arbres de décision
  • 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

Sujets avancés

  • Modèles d'ensemble
  • Modèles mixtes
  • Boosting
  • Exemples

Réduction multidimensionnelle

  • Analyse factorielle
  • Analyse en composantes principales
  • Exemples

Pré requis

Ce cours fait partie de l'ensemble de compétences Data Scientist (Domaine: Techniques et méthodes analytiques).

  14 heures
 

Nombre de participants


Début

Fin


Dates are subject to availability and take place between 09:30 and 16:30.
Les formations ouvertes requièrent plus de 3 participants.

Nos Clients témoignent (1)

Cours Similaires

Catégories Similaires