• Sujet : ici, nous allons présenter les différentes méthodes de Machine Learning en se centrant sur la pratique tout en proposant des résumés de la théorie.
  • Outils nécessaires : nous emploierons les langages R et Python. Nous vous invitons à utiliser Jupyter notebook pour Python et RStudio pour R. Concernant les données, nous nous servirons des datasets, open sources simples d'accès.
  • Prérequis : il est préférable d'avoir quelques notions de mathématiques et d'informatique. Toutefois, vous pouvez vous en passer dans les premiers chapitres. Certaines notions concernant le lien entre maths et informatique, abordées ici, pourront vous être utiles.
  • Temps : il faut compter environ 30 h pour maitriser les concepts abordés.

Indication : il est vivement conseillé d'utiliser RStudio sur Windows pour une meilleure installation des packages ce qui vous simplifiera grandement la tâche.

Qu'est-ce que le Machine Learning ?

Constitution du dataset

Exploration du dataset

Préparation des données

Les régressions

Les arbres et modèles d'ensemble

Page en construction ou futures pages

Dernière modification: le 2021/06/11 15:02