Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera dans les plus brefs délais.
Merci pour votre réservation ! Un membre de notre équipe vous contactera dans les plus brefs délais.
Plan du cours
Introduction aux applications appliquées Machine Learning
- Apprentissage statistique vs apprentissage automatique Itération et évaluation Compromis biais-variance
Régression
- Généralisations de régression linéaire et exercices de non-linéarité
Classification
- Rappel bayésien Naive Bayes Régression logistique K-Voisins les plus proches Exercices
Validation croisée et rééchantillonnage
- Approches de validation croisée Bootstrap Exercices
Apprentissage non supervisé
- Exemples de regroupement de K-means Défis de l'apprentissage non supervisé et au-delà des K-means
Pré requis
Connaissance du langage de programmation R. Une connaissance de base des statistiques et de l'algèbre linéaire est recommandée.
14 heures