list 2 séquences
assignment Niveau : Introductif
label Informatique & Programmation
chat_bubble_outline Langue : Français
card_giftcard 6 points
- /5
Avis de la communauté
0 avis

Les infos clés

credit_card Formation gratuite
verified_user Certification payante
timer 10 heures de cours

En résumé

Vous avez découvert le concept d’apprentissage supervisé dans le cours Initiez-vous au machine learning. Dans ce cours, vous avez appris à évaluer un modèle de classification ou de régression…

Il est maintenant temps de découvrir les algorithmes classiques du machine learning supervisé. Dans ce cours, vous apprendrez à maîtriser les algorithmes dont la fonction de décision est une combinaison linéaire des variables.

Vous découvrirez en particulier la régression linéaire et la régression logistique. Vous apprendrez à contrôler les poids affectés à chacune des variables pour éviter le sur-apprentissage ou construire des modèles parcimonieux. Vous comprendrez le fonctionnement des machines à vecteurs de support (SVM). Enfin, vous saurez résoudre des problèmes de classification à plus de deux classes.

Suivez ce cours pour développer des modèles linéaires prédictifs sur vos données !

Objectifs pédagogiques :

  • Entraîner un algorithme linéaire de classification binaire ou multiclasse ou de régression,
  • Contrôler les poids affectés aux différentes variables par un mécanisme de régularisation,
  • Comprendre les points communs et différences entre SVM et régression linéaire/logistique.

more_horiz Lire plus
more_horiz Lire moins
dns

Le programme

Partie 1 - Prédisez des étiquettes quantitatives à l’aide d’une combinaison linéaire des variables
1. Trouvez une combinaison linéaire de variables qui approxime leurs étiquettes
2. Contrôlez la complexité de votre modèle
3. Réduisez l’amplitude des poids affectés à vos variables
4. Réduisez le nombre de variables utilisées par votre modèle
5. TP - Comparez le comportement du lasso et de la régression ridge
Quiz : Partie 1
 
Partie 2 - Séparez linéairement vos observations
1. Prédisez linéairement la probabilité de l’appartenance d’un point à une classe
2. Maximisez la marge de séparation entre vos classes
3. Classifiez vos données en plus de deux classes
4. TP - Entraînez une régression logistique et une SVM linéaire
Activité : Classez automatiquement des feuilles d’arbres
 
Certificat de réussite

Prérequis :

Ce cours de Data Science se situe au croisement des mathématiques et de l'informatique. Pour en profiter pleinement, n'hésitez pas à vous rafraîchir la mémoire, avant ou pendant le cours, sur :

  • Python pour le calcul numérique que nous utiliserons dans la partie TP du cours (librairie numpy et création de graphes avec pyplot),
  • Quelques notions d'algèbre linéaire, telles que manipulation de vecteurs, multiplications de matrices, normes,
  • Quelques notions de probabilités et statistiques, telles que distribution de loi de probabilité et variance.
record_voice_over

Les intervenants

Yannis Chaouche
Ingénieur Machine Learning - Professeur @ OpenClassrooms

Chloé-Agathe Azencott
Chargée de recherche au CBIO de MINES ParisTech & Institut Curie. Enseignante à CentraleSupélec. Machine learning & bioinformatique.

store

Le concepteur

CentraleSupélec is the result of the merger of the Ecole Centrale Paris and the Supélec. The collaboration between the two Colleges of engineering begun in 1969 with the introduction of the joint competitive entrance exam. Since 2009, the Ecole Centrale Paris and Supélec have continually strengthened their partnerships and collaborations with the aim of encompassing the whole of their activities (engineering education, research and post graduate programs) and confirmed their shared values of excellence, innovation, entrepreneurship, internationalization and leadership. Today CentraleSupélec aims to become a reference in the field of engineering and systems sciences and a leading engineering College in the area of higher education and research, ranked amongst the best institutions in the world.
assistant

La plateforme

OpenClassrooms (anciennement le Site du Zéro ou SdZ), est un site web qui propose des cours autour de l'informatique, des sciences et de l'entrepreneuriat.

Les cours en ligne peuvent être réalisés aussi bien par l'équipe du site, des professeurs d'universités ou de grandes écoles partenaires que par ses membres.

Aujourd'hui, les cours sont disponibles dans plusieurs format : MOOC (Massive Open Online Course), texte web, e-book, livre et en vidéo. L'entreprise délivre des certifications pour certains cours, dont une reconnue par l'état, en partenariat avec IESA multimédia.

Quelle note donnez-vous à cette ressource ?
Contenu
0/5
Plateforme
0/5
Animation
0/5