Introduction

• Qu’est-ce que le machine learning ?
• Pourquoi Python pour le machine learning ?
• Pourquoi utiliser le machine learning ?
• Apprentissage supervisé
• Apprentissage non-supervisé
• Apprentissage par renforcement
• Les défis du machine learning

Les étapes d’un projet machine learning

• Récupérer des données
• Visualiser des données
• Préparer et nettoyer les données
• Sélectionner et entraîner un modèle
• Mesurer la fiabilité d’un modèle
  

  Algorithmes de machine learning : théorie et pratique avec scikit-learn

• Classification
• Régression
• SVM
• Clustering
• Arbres de décision
• Forêts aléatoires
• Réduction de dimension