Apprentissage non supervisé
Trouver une structure sans étiquettes : partitionnement, réduction de dimension, détection d'anomalies. Directement applicable aux flux de capteurs.
Apprentissage non supervisé dans le parcours IAOC
Ce module de niveau avancé fait partie de Intelligence Artificielle et Objets Connectés. Son programme comporte 5 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.
Ce module avancé est réservé aux offres Intermédiaire et Premium. Comparer les offres
Programme des chapitres
Le cadre non supervisé
Réservé aux abonnés
Absence d'étiquette, notions de distance et de similarité, normalisation, difficulté d'évaluation.
Partitionnement
Réservé aux abonnés
k-moyennes, choix de k, méthode du coude, silhouette, partitionnement hiérarchique, DBSCAN.
Réduction de dimension
Réservé aux abonnés
Analyse en composantes principales, variance expliquée, t-SNE et UMAP pour la visualisation, malédiction de la dimension.
Détection d'anomalies
Réservé aux abonnés
Approches statistiques, isolation forest, autoencodeurs, seuils, faux positifs. Application à la surveillance de capteurs.
Règles d'association et segmentation
Réservé aux abonnés
Support, confiance, lift, algorithme Apriori, segmentation de clientèle et d'usage.