Programmes de cette formation

• - Concepts avancés d’apprentissage automatique

  • Ajustement avec les paramètres Hyper
  • Algorithmes ML populaires, clustering, classification et régression,
  • upervisé vs non supervisé. Choix du ML

• - Forêt aléatoire

  • Théorie de l’ensemble, accord de la forêt aléatoire

• - Machine à vecteurs de support (Support Vector Machine :SVM)

  • Régression linéaire simple et multiple, KNN

• - Traitement du langage naturel (Natural Language Processing :NLP)

  • Text Processing with Vectorization, Sentiment analysis with TextBlob,
  • Twitter sentiment analysis

• - Classificateur Naïve Bayes

  • Naïve Bayes pour la classification des textes, l’étiquetage des nouveaux articles

• - Réseau de neurones artificiels (Artificial Neural Network :ANN)

  • Réseau ANN de base pour la régression et la classification.

• - Aperçu de Tensorflow et introduction à l’apprentissage profond

  • Démonstration du flux de travail Tensorflow et introduction à l’apprentissage profond