Les fondamentaux du Machine learning avec Python

 
  2 jours       1530       Avancé    
  Prochaine session
23 et 24 octobre 2023
Objectifs de la formation
  • Comprendre les principes du machine learning : régression vs classification supervisée, biais-variance, sur-apprentissage, validation croisée…
  • Connaître et savoir mettre en œuvre les méthodes de base en régression et classification supervisée : modèle linéaire généralisé (GLM), régression régularisée
  • Appréhender les méthodes d’arbres (CART & random forest) et les mettre en pratique.

Prérequis

Public visé

Data analysts, data scientists


Contenu

La formation présente les concepts de base en machine learning, ainsi que les méthodes de base en régression et classification supervisée.

Bases du machine learning

  • Apprentissage supervisé vs non supervisé
  • Régression vs classification supervisée
  • Coût (perte) et risque (erreur de généralisation)
  • Biais-variance d’un prédicteur
  • Sur-apprentissage et palliatifs (apprentissage/test, validation croisée)

Modèle linéaire généralisé - GLM

  • Régression : régression linéaire
  • Classification supervisée : régression logistique
  • Applications sur cas pratiques

Régression régularisée

  • Ridge
  • LASSO
  • Elasticnet
  • Applications sur cas pratiques

Méthodes d’arbres

  • Arbres de régression et de décision (CART)
  • Introduction aux random forests
  • Applications sur cas pratiques
Approche pédagogique

  Moyens pédagogiques

  • Exposé théorique de concepts
  • Applications pratiques sur ordinateur
  • Échanges sur les pratiques et expériences des participants
  • Temps de questions / réponses
  • Exercices, quiz, forum etc.

  Méthodes pédagogiques