ACT6100
Présentation du cours
Introduction
Apprentissage statistique
Types d'apprentissage ML
Lignes de commande
Python 101
Les données
Collecte de données
Propriétés des données
Nettoyage
Éthique en IA
Généralisation des données
Fractionnement des données
Éviter le Overfitting
Feature engineering
La modélisation
Supervised learning
Régression linéaire
Régression simple et multiple
Gradient Descent
Application
La Régularisation
Robust Regression
6.6.1 Ridge Regression
6.6.2 The Lasso
Réduction des dimensions et PCA
Analyse par composantes principales
La classification
Les enjeux de la classification logistique
Frontière de décision
Méthodes basées sur les arbres
La simulation par Bootstrap
Ensemble method
Bagging
Random forest
Boosting
Gradient boosting
Unsupervised learning
clustering
k-means Clustering
Agglomerative Clustering
Divers
à venir
repository
open issue
Index
