Machine Learning

1/ Introduction

• Les données et les attentes des utilisateurs
• Les étapes de la préparation des données, data munging
• Le rôle du data scientist

2/ Le Machine Learning

• Définition et attentes
• Valeurs d'observation et variables cibles
• Ingénierie des variables

3/ IA et réseaux de neurones

• Introduction aux réseaux de neurones
• Réseaux de neurones à convolution (CNN)
• Couches : convolution, pooling, pertes
• L'approche du Deep Learning

4/ Apprentissage automatique

• Apprentissage supervisé et non supervisé
• Classification des données
• Régression linéaire, k-voisins, Bayes naïf, arbres de décision…

5/ Risques et écueils

• Importance de la préparation des données
• Le surapprentissage

6/ La visualisation des données

• Intérêt et outils disponibles
• Exemples avec R et Python