intro_apprentissage_automatique

Introduction à l'apprentissage automatique Sommaire Chapitre I: Introduction I-1 Motivation I-2 Applications I-3 Types des algorithmes d'apprentissage I-4 Limites de l'apprentissage automatique I-5 Outils de l'apprentissage automatique I-6 Méthodologies de science des données I-7 Un peu de programmation Chapitre II: Préparation des données II-1 Collection des données II-2 Nettoyage des données II-3 Transformation des données II-4 Échantillonnage et fractionnement des données II-5 Outils de préparation des données II-6 Un peu de programmation Chapitre III: Classification naïve bayésienne III-1 Classification III-2 Apprentissage III-3 Exemples III-4 Avantages III-5 Limites III-6 Un peu de programmation Chapitre IV: Arbre de décision IV-1 Description IV-2 ID3 IV-3 C4.5 IV-4 CART IV-5 Avantages IV-6 Limites IV-7 Un peu de programmation Chapitre V: Régression V-1 Motivation V-2 Régression linéaire V-3 Régression polynomiale V-4 Régression logistique V-5 Avantages V-6 Limites V-7 Un peu de programmation Chapitre VI: Machine à vecteurs de support Chapitre VII: Réseau de neurones artificiels VII-1 Motivation Chapitre VIII: Regroupement K-Means Chapitre IX: Réduction de la dimensionnalité