1 Introduction - Prétraitement des données
Découvrez les concepts fondamentaux du Machine Learning, son importance, ses applications courantes et les différents types d’apprentissage, et le prétraitement des données.
1.1 Introdution
1.2 Prétraitement des données
2 Règles d’association
Découvrez comment identifier des relations intéressantes et des règles d’association entre les variables dans de grands ensembles de données.
2.1 Introduction
2.2 A Priori
2.3 FPGrowth
3 Dimentionality Reduction
Apprenez les techniques pour réduire le nombre de variables dans vos jeux de données tout en préservant l’information essentielle, afin de simplifier les modèles et d’améliorer leurs performances.
3.1 Introduction
3.2 PCA
3.3 TSNE
3.4 LDA
3.5 AFC
4 Supervized Learning
Maîtrisez l’apprentissage supervisé, où les modèles sont entraînés sur des données étiquetées pour effectuer des prédictions (régression) ou des classifications.
4.1 Formalisation
4.2 Validation Croisée
4.3 Régression
Régression Linéaire
Régression linéaire Gaussienne
4.4 Classification Supervisée
Formalisation
Régression Logistique
Analyse Discriminante Gaussienne
Classifieur Naïf de Bayes
Classifieur de \(k\)-NN
Arbres de Classification Binaire
5 Unsupervized Learning
Explorez l’apprentissage non supervisé où les modèles apprennent à partir de données non étiquetées pour découvrir des structures cachées, comme le clustering ou la réduction de dimension.
5.1 DBSCAN
6 Ensemble Learning
7 Text Mining
8 Reinforcement Learning
Plongez dans l’apprentissage par renforcement, où un agent apprend à prendre des décisions en interagissant avec un environnement pour maximiser une récompense.
9 Articificial Neural Network
