Sommaire
(niveau de base)
C’est le point d’accès :
- à toutes les pages de cours.
- aux travaux pratiques.
Les cours
- Introduction
- les trois problèmes classiques : clustering / classification / régression.
- Cours 1 : Principes de l’apprentissage automatique
- Visualisation des données
- quelques pistes de solutions basées distance.
- Cours 2 : Formalisation et vocabulaire classification
- vecteur/espace de caractéristiques
- apprentissage et généralisation
- evaluation des performances.
- introduction à l’overfitting
- Cours 3 : Apprentissage par optimisation
- Exemple de recherche de Minimum
- Evolution des performances pendant l’apprentissage
- Cours 4 :
- Introduction aux réseau de neurones
- Cours 5 : Exemple d’application
Les TP
Pour ces TP, il vous faudra me rendre :
- votre code,
- un rapport final en pdf.
Pour ces TP, je vous conseille de suivre plus ou moins ce que j’ai fait dans le cours 5, en supprimant toutes les errances pédagogiques.
Le rapport devra ressembler à un vrai rapport, avec une page de garde indiquant votre nom et de quoi ca parle. Le contenu sera composé :
- de courbes
- d’explications.
Ne mettez pas de code, ca ne sert a rien. En revanche, détaillez pourquoi vous faites certains choix et montrez votre maitrise du vocabulaire du machine learning. (Enfin, si vous voulez une note correcte…)
pour rendre le TP :
Déposez le fichier jupyter notebook et le pdf du rapport sur e-cursus
Enoncé du/des TP :
L’énoncé est ici