Aujourd’hui, nous nous intéressons à une famille de méthodes d’apprentissage non supervisé, les autoencoders. Autoencoder : Définition Les auto encodeurs sont des réseaux de neurones
Dans cet article, nous vous présentons un des écueils des algorithmes d’apprentissage supervisé, le surapprentissage ou overfitting en anglais. Qu’est-ce que l’overfitting? L’overfitting est le
U-NET est un modèle de réseau de neurones dédié aux taches de Vision par Ordinateur (Computer Vision) et plus particulièrement aux problèmes de Segmentation Sémantique.
Si vous étudiez des données et que vous souhaitez en tirer de l’information, vous devrez souvent traiter les données, les modifier et surtout construire des
Si vous vous êtes déjà intéressé aux méthodes de réduction de dimension, vous avez sûrement étudié l’Analyse en Compostante Principales ou ACP. Dans cet article,
La Cross-Validation est une méthode permettant de tester les performances d’un modèle prédictif de Machine Learning. Découvrez les techniques les plus utilisées, et comment apprendre
Dans un précédent article, nous présentions la philosophie DevOps, et comment cette nouvelle approche permet une livraison de valeur plus rapide pour les entreprises au
Le Feature Engineering consiste à extraire des caractéristiques des données brutes afin de résoudre des problèmes spécifiques à un domaine d’activité grâce au Machine Learning.
Il y a quelques semaines, j’ai démarré une formation de Data Scientist chez DataScientest. Dans le cadre de cette formation, j’ai réalisé un projet accompagné
On a traité dans un précédent article de l’importance des algorithmes de recherche de plus court chemin en théorie des graphes, notamment avec l’exemple de
Un Perceptron est un neurone artificiel, indispensable pour les réseaux de neurones du Deep Learning. Découvrez son principe, son utilisation, et son importance en Data
Le Deep Neural Network ou réseau de neurones profond imite le fonctionnement du cerveau humain. Découvrez tout ce que vous devez savoir sur le sujet
