Formation Machine Learning avec Scikit-Learn
Objectifs
Maîtriser les fonctionnalités et l’intégration avec Numpy et Scipy.
Charger, pré-traiter, standardiser, transformer et discrétiser les données.
Utiliser les modèles linéaires, quadratiques, les arbres décisionnels, les méthodes d’ensembles et les réseaux de neurones.
Estimer la performance des modèles, modifier les hyper-paramètres et utiliser les courbes d’évaluation pour des applications pratiques.
Pré-requis
Participants
Programme de formation
PRÉSENTATION
-
Historique
-
Fonctionnalités
-
Lien avec Numpy et Scipy
MANIPULATION DE DONNÉES
-
Chargement de données
-
Pré-traitement de données
- Standardisation
- Transformations non linéaires
- Discrétisation
-
Génération de données
ANALYSE DES DONNÉES ET CLASSIFICATION
-
Modèles
- Linéaires
- Quadratiques
- Descente de gradient
-
Arbres décisionnels et méthodes d'ensembles
-
Recherche de clusters
- Modélisations
- Algorithmes
- Méthodes d'évaluation
-
Réseaux de neurones
MODÈLES D'APPRENTISSAGE
-
Chargement et enregistrement
-
Génération de modèles
-
Estimation de la performance d'un modèle
-
Mesures de performance
-
Modification des hyper-paramètres
-
Application pratique avec les courbes d'évaluations