Passer au contenu principal

Ctrl+K

Apprentissage automatique

Partie I — Fondations

Environnement et outils
Les données
Exploration et visualisation
Prétraitement

Partie II — Apprentissage supervisé

Régression linéaire
Classification
K plus proches voisins
Arbres de décision
Méthodes d’ensemble
Machines à vecteurs de support
Évaluation et sélection de modèles

Partie III — Apprentissage non supervisé

Réduction de dimensionnalité
Clustering
Détection d’anomalies
Règles d’association et modèles de mélange

Partie IV — Réseaux de neurones

Le perceptron et les bases des réseaux de neurones
Rétropropagation et optimisation
Frameworks : PyTorch
Réseaux convolutifs
Réseaux récurrents

Partie V — Apprentissage profond avancé

Autoencodeurs
Réseaux antagonistes génératifs (GAN)
Mécanisme d’attention et Transformers
Traitement du langage naturel
Vision par ordinateur avancée

Partie VI — Pratique et déploiement

Interprétabilité des modèles
MLOps et déploiement
Éthique et biais

Index

Par Lôc Cosnier

© Copyright 2026.