Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction à l'apprentissage appliqué Machine Learning
- Apprentissage statistique vs. apprentissage automatique
- Itération et évaluation
- Compromis biais-variance
Apprentissage supervisé et apprentissage non supervisé
- Machine Learning Languages, types et exemples
- Apprentissage supervisé ou non supervisé
Apprentissage supervisé
- Arbres de décision
- Random Forests
- Évaluation du modèle
Machine Learning avec Python
- 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
Réseaux neuronaux
- Couches et nœuds
- Python bibliothèques de réseaux neuronaux
- Travailler avec scikit-learn
- Travailler avec PyBrain
- Deep Learning
Pré requis
Connaissance du langage de programmation Python. Une connaissance de base des statistiques et de l'algèbre linéaire est recommandée.
28 heures
Nos Clients témoignent (2)
Des connaissances intéressantes
Gabriel - MINDEF
Formation - Machine Learning with Python – 4 Days
Traduction automatique
The trainer was a practitioner with a lot of experience and had a very good knowledge of the material.