Le Machine Learning a permis de résoudre des problèmes de nature très différentes avec des algorithmes.

Les objectifs sont d’apprendre à résoudre des problèmes de différentes natures sur des données réelles afin d’analyser leurs résultats et comparer leurs performances. Le stagiaire apprendra à maîtriser les méthodes de base du Machine Learning.

Introduction

• Méthodes de régression
• Régression sous contrainte
• Arbres
• Agrégation

Méthodes d’ensemble

• Réduction de variance (Bagging et forêts aléatoires)
• Mesure d’importance des variables
• Agrégation d’arbres
• Réduction de biais (fiting)

Méthodes à noyaux

• SVM (Support Vector Machines)
• SVM linéaire et non linéaires
• Généralisation de la méthode

Réseaux de neurones

• Machine Learning et réseaux de neurones

Afin de permettre aux étudiants d’acquérir des compétences opérationnelles en entreprise, cette formation associe des connaissances notionnelles (exposés théoriques) avec des savoir-faire pratiques (applications, cas concrets, travaux pratiques).