Machine learning
Prochaine session
25 et 26 mai 2023
Comprendre ce qu’est le Machine Learning, la nature des problèmes qu’il permet de résoudre. Apprendre à mettre en œuvre les principaux algorithmes sur des données réelles, à analyser leurs résultats, et comparer leurs performances.
De bonnes bases en statistique inférentielle, en particulier en analyse discriminante par arbres de décision et en régression linéaire. De bonnes notions de programmation avec R.Niveau correspondant à la formation Modélisation et initiation au machine learning.
Introduction
Méthodes d’agrégation ou méthodes d’ensemble
- Bagging et forêts aléatoires : réduction de variance;
- Mesures d’importance des variables
- Agrégation d’arbres de décision
- Boosting : réduction de biais
Support Vector Machines (SVM), et méthodes à noyaux
- Support Vector Machines linéaires
- Support Vector Machines non linéaires
- Astuce du noyau et généralisation
Réseaux de neurones
Afin de mobiliser les participants, de multiplier les échanges et de faciliter l’assimilation des connaissances, cette formation alterne exposés théoriques et applications pratiques / cas concrets / travaux sur ordinateur.