Apprentissage supervisé
Régression et classification : des données étiquetées vers un modèle qui généralise. Évaluation honnête et pièges classiques.
Apprentissage supervisé dans le parcours IAOC
Ce module de niveau intermédiaire fait partie de Intelligence Artificielle et Objets Connectés. Son programme comporte 6 chapitres, à suivre dans l’ordre proposé ci-dessous. Tu peux consulter ce programme sans compte ; la lecture des leçons, les exercices et les vidéos dépendent de tes accès.
Pour progresser, travaille une notion à la fois, reformule-la puis vérifie ta compréhension avec le quiz du chapitre accessible. Le temps indiqué pour une leçon est une estimation, pas une promesse de maîtrise.
Découverte donne accès aux trois premiers chapitres de ce module. Sans publicité conserve les mêmes accès. Comparer les offres
Programme des chapitres
Le cadre supervisé
Caractéristiques, étiquettes, jeux d'entraînement, validation et test, fonction de perte, généralisation.
Régression
Régression linéaire simple et multiple, moindres carrés, régularisation Ridge et Lasso, régression polynomiale.
Classification
Régression logistique, k plus proches voisins, machines à vecteurs de support, naïve bayésienne, frontières de décision.
Arbres et méthodes d'ensemble
Réservé aux abonnés
Arbres de décision, forêts aléatoires, gradient boosting, importance des variables, interprétabilité.
Évaluation et sélection de modèle
Réservé aux abonnés
Exactitude, précision, rappel, F1, matrice de confusion, courbe ROC, validation croisée, recherche d'hyperparamètres.
Du modèle à la production
Réservé aux abonnés
Chaîne de traitement reproductible, sérialisation, dérive des données, supervision, réentraînement.