Skip to content

Modélisation de donées pour débutant

001 - Modélisation

Details

Partie 1 - Appréhendez la notion de modélisation

  1. Appréhendez les différents types de modélisation
  2. Découvrez le jeu de données de l'ozone
  3. Découvrez le jeu de données des maladies cardio-vasculaires
  4. Découvrez le jeu de données du blé

Partie 2 - Modélisez des données à l'aide de la régression linéaire simple

  1. Appréhendez le fonctionnement de la régression linéaire
  2. Appliquez la méthode des Moindres Carrés Ordinaires
  3. Calculez le coefficient de détermination
  4. Testez le modèle linéaire gaussien simple
  5. TP : Pratiquez la régression linéaire sur le jeu de données de l'ozone
  6. Entraînez-vous : déterminez la hauteur d'un arbre à l'aide d'une régression

Partie 3 - Modélisez des données à l'aide de la régression linéaire multiple

  1. Appréhendez le fonctionnement de la régression linéaire multiple
  2. Appliquez la méthode des Moindres Carrés Ordinaires
  3. Calculez le coefficient de détermination
  4. Testez le modèle linéaire gaussien multiple
  5. Analysez les résultats
  6. Sélectionnez automatiquement un modèle
  7. TP : Pratiquez la régression linéaire multiple sur le jeu de données de l'ozone
  8. Entraînez-vous : améliorez les prévisions de hauteur des arbres

Partie 4 - Effectuez une classification à l'aide de la régression logistique

  1. Appréhendez le fonctionnement de la régression logistique
  2. Estimez un modèle de régression logistique
  3. Analysez les résultats
  4. TP : Pratiquez la régression logistique sur le jeu de données des maladies cardio-vasculaires
Quiz : Avez-vous compris les enjeux de la régression logistique ?

Partie 5 - Effectuez une analyse de la variance (ANOVA)

  1. Appréhendez le fonctionnement de l'analyse de la variance (ANOVA)
  2. RĂ©alisez une analyse de la variance
  3. TP : Pratiquez l'analyse de la variance sur le jeu de données du blé
Quiz : Avez-vous compris les enjeux de l'ANOVA ?

002 - Machine Learning

Details

Partie 1 - DĂ©couvrez les grands principes du Machine Learning

  1. Tirez un maximum de ce cours
  2. Abordez le domaine d’application du Machine Learning
  3. Découvrez les notions de modèle et d’algorithme
  4. Passez d’une problématique business à la mise en production
Quiz : DĂ©couvrir les grands principes du Machine Learning

Partie 2 - Manipulez les fonctions de base d'un modèle prédictif

  1. Évaluez la performance d’un modèle prédictif
  2. Découvrez le principe de la régression linéaire
  3. Classifiez les données avec la régression logistique
  4. Partitionnez les données avec k-means
Quiz : Manipuler les fonctions de base d'un modèle prédictif

Partie 3 - Transformez vos jeux de données

  1. Comprenez le rôle central du jeu de données
  2. Améliorez un jeu de données
  3. Transformez les variables pour faciliter l’apprentissage du modèle
Quiz : Transformer des jeux de données

Partie 4 - Optimisez les performances d’un modèle

  1. Améliorez le modèle
  2. Augmentez la robustesse de vos modèles
  3. Découvrez l'apprentissage d'ensemble avec les forêts aléatoires
Quiz : Optimiser les performances d’un modèle

003 - Modele prédictif lénéaire

Details

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

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
  5. Entraînez-vous à classer automatiquement des feuilles d’arbres

004 - Comprendre l'évaluation des modèles

Details

Partie 1 - Évaluez vos modèles sans sur-apprentissage

  1. Comprenez ce qui fait un bon modèle d’apprentissage
  2. Mettez en place un cadre de validation croisée
  3. TP – Sélectionnez le nombre de voisins dans un kNN
  4. Entraînez-vous : implémentez une validation croisée

Partie 2 - Évaluez un modèle de classification

  1. Évaluez un algorithme de classification qui retourne des valeurs binaires
  2. Évaluez un algorithme de classification qui retourne des scores
  3. Comparez votre algorithme Ă  des approches de classification naĂŻves

Partie 3 - Évaluez un modèle de régression

  1. Évaluez un algorithme de régression
  2. Comparez votre algorithme à des approches de régression naïves
  3. Entraînez-vous : sélectionnez le nombre de voisins dans un kNN pour une régression

005 - Comprendre les réseaux de neuronnes

Details

Partie 1 - Identifiez les principes de base des réseaux de neurones artificiels

  1. DĂ©couvrez le neurone formel
  2. Explorez les réseaux de neurones en couches
  3. Initiez-vous aux autoencodeurs
  4. Construisez des réseaux profonds grâce aux couches convolutionnelles
  5. Construisez des modèles génératifs grâce aux réseaux de neurones
Quiz : Testez vos connaissances sur le Deep Learning

Partie 2 - Découvrez les réseaux de neurones adaptés au traitement de séquences

  1. Initiez-vous aux problématiques liées au traitement de séquences
  2. Découvrez le fonctionnement des réseaux de neurones récurrents
  3. Maitrisez les algorithmes d'apprentissage des réseaux récurrents
  4. Découvrez les cellules à mémoire interne : les LSTM
  5. Construisez des architectures neuronales modulaires
Quiz : Testez vos connaissances sur les modèles récurrents