Atelier T8.A04 - Fondamentaux de l'apprentissage automatique avec Python et scikit-learn

Porteurs :

Laurent Risser (CNRS, ANITI/3IA & IMT) & Alexandre Boucaud (CNRS, APC).

Date : 12 novembre de 9h à 12h

Inscription :_ Formulaire Maximum de participants :

  • Illimité sur la présentation de 9h à 10h15.
  • 20 sur les TPs de 10h20 à 12h/

Prérequis :

Expérience en programmation scientifique sous Python.

Expérience pratique en analyse de données ou en statistique.

Objectifs :

Le objectif de cet atelier est de démystifier les principes fondamentaux de l'apprentissage automatique et de comprendre le fonctionnement de plusieurs méthodes courantes dans ce domaine. Nous donnerons alors aux participants une idée des outils et des verrous liés à la pratique de l'apprentissage automatique.

Une bonne moitié de l'atelier sera alors un cours illustré et l'autre moitié de la pratique.

Notions abordées :

→ Principes de l'apprentissage supervisé (régression et classification) et non-supervisé.

→ Présentation d'algorithmes courants en apprentissage automatique.

→ Notions de sur-apprentissage et de validation croisée.

→ Fléau de la dimension et réduction de dimension.

→ Ouverture vers l'apprentissage par réseaux de neurones.

→ Mise en pratique sous Python/Scikit-learn de la régression linéaire, les SVM, les K-means et l'ACP pour l'analyse de données.

Mots clés :

machine learning, apprentissage automatique, fondamentaux, validation croisée, réduction de dimension, scikit-learn, python.

 
jdev2020/t8.a04.txt · Dernière modification: 2020/10/20 10:58 par pascal.dayre@enseeiht.fr
 
Recent changes RSS feed Powered by PHP Powered by Pxxo Driven by DokuWiki