Formation - Data Science - Les fondamentaux

1 - Introduction

• Compétences
• Data Science
• Machine Learning
• Big data
• Deep learning
• L'apprentissage machine

2 - Les fondamentaux

• Approche fonctionnelle de base
• Les variables prédictives
• Les variables à prédire
• Les fonctions hypothèses
• Les estimateurs (biais et variances)
• Le compromis biais - variance
• Les fonctions de perte
• La régularisation des paramètres
• Optimisation des paramètres

3 - La classification

• Régression logistique
• Machines à vecteurs de support (SVM)
• Arbres de décisions
• K plus proches voisins (kNN)

4 - Les pratiques

• Prétraitement
• Compressions des données
• Réglages des modèles

5 - L'apprentissage d'ensembles

• Principes de l'apprentissage d'ensemble
• Les forêts aléatoires
• Le gradient boosting

6 - La régression

• Principes de la régression
• Explorations des données régressives
• Performance des modèles de régression

7 - Le clustering

• Les k-moyens (kMeans)
• Le clustering hiérarchique
• L'approche DBSCAN

8 - Le Deep Learning

• Perceptron
• Réseaux neuronaux multicouches (MLP)
• Réseaux neuronaux convolutifs (CNN)
• Réseaux neuronaux récursifs (RNN)