Ce module présente le Machine Learning (ML).
- Introduction
- Prérequis et travail préliminaire
- Concepts du ML
- Présentation du ML (3 min)
- Formulation (15 min)
- Plongée dans le ML (20 min)
- Réduction de la perte (60 min)
- Premiers pas avec TensorFlow (60 min)
- Généralisation (15 min)
- Ensembles d'apprentissage et d'évaluation (25 min)
- Validation (40 min)
- Représentation (65 min)
- Croisements de caractéristiques (70 min)
- Régularisation : simplicité (40 min)
- Régression logistique (20 min)
- Classification (90 min)
- Régularisation : parcimonie (45 min)
- Introduction aux réseaux de neurones (55 min)
- Entraîner les réseaux de neurones (40 min)
- Réseaux de neurones à classes multiples (50 min)
- Représentations vectorielles continues (80 min)
- Développement de systèmes de ML
- Systèmes de production de ML (3 min)
- Comparaison des modèles statique et dynamique (7 min)
- Comparaison des inférences statique et dynamique (7 min)
- Dépendances des données (14 min)
- Applications concrètes du ML
- Prédiction de cancer (5 min)
- Littérature britannique du XVIIIe siècle (5 min)
- Conseils applicables aux applications concrètes (2 min)
- Conclusion
- Étapes suivantes