Introduction au Machine Learning

Cours d’introduction au machine learning (M1, DMI/FST/UCAD) : arbres, régression, classification, validation, méthodes d’ensemble et réseaux de neurones, séance par séance.

Niveau : M1 · Domaine : IA & Data

Objectifs

  • Construire et évaluer des modèles d’apprentissage supervisé
  • Comprendre le compromis biais-variance et la régularisation
  • Valider correctement un modèle, sans fuite de données
  • Appliquer les méthodes d’ensemble et l’apprentissage non supervisé
  • Mener un projet de machine learning de bout en bout

Prérequis

Séances

Le cours s’ouvre par la séance 0, puis reprend à la séance 3 : les séances 1 et 2 recouvrent le cours de Programmation Python, qui en est le prérequis.

Séance Contenu Format
Introduction au ML — Séance 0 ce qu’est le ML, sa place entre IA et deep learning, les trois types d’apprentissage, et l’installation de l’atelier Anaconda, conda et Jupyter. PDF
Introduction au ML — Séance 3 apprentissage supervisé, arbres de décision, sur-apprentissage et compromis biais-variance. PDF · Notebook (347 Ko) · TD (228 Ko)
Introduction au ML — Séance 4 nettoyer et mettre à l’échelle les données, k plus proches voisins, fuite de données et Pipeline. PDF · Notebook (32 Ko) · TD (205 Ko)
Introduction au ML — Séance 5 régression linéaire, descente de gradient, MSE et RMSE, sur-ajustement et régularisation Ridge. PDF · Notebook (647 Ko) · TD (184 Ko)
Introduction au ML — Séance 6 régression logistique, seuil de décision, matrice de confusion, precision, recall et courbe ROC. PDF · Notebook (173 Ko) · TD (191 Ko)
Introduction au ML — Séance 7 validation croisée, réglage des hyperparamètres sans fuite, GridSearchCV. PDF · Notebook (81 Ko) · TD (180 Ko)
Introduction au ML — Séance 8 bagging, forêts aléatoires, boosting et comparaison honnête de modèles. PDF · Notebook (45 Ko) · TD (183 Ko)
Introduction au ML — Séance 9 apprentissage non supervisé, clustering et réduction de dimension par PCA. PDF · Notebook (397 Ko) · TD (216 Ko)
Introduction au ML — Séance 10 du neurone au réseau profond, descente de gradient et rétropropagation. PDF · Notebook (217 Ko) · TD (218 Ko)
Introduction au ML — Séance 11 le projet capstone, un travail de machine learning mené de bout en bout. PDF · Notebook (114 Ko) · TD (137 Ko)
Retour au sommet