Intelligence artificielle
Préparer des données, entraîner un modèle, mesurer s'il généralise, puis juger si ses décisions sont équitables.
Parcours pas encore commencé.
- 1.Introduction à l'apprentissage automatique
- 2.L'analyse exploratoire des données
- 3.Préparer les données
- 4.Le partitionnement : les k moyennes
- 5.La régression linéaire et les moindres carrés
S'appuie sur : ch. 4, Corrélation, régression et moindres carrés (Mathématiques appliquées)
- 6.La descente de gradient
- 7.Surapprentissage et compromis biais-variance
- 8.La classification et le perceptron
- 9.Matrice de confusion, précision et rappel
- 10.Les réseaux de neurones : couches et non-linéarité
- 11.De la prédiction à la décision : l'équité