Machine Learning

Prétraiter les données pour les adapter aux modèles utilisés

Évaluer un modèle à l’aide de la validation croisée et de différentes métriques

Maîtriser les algorithmes généraux de boosting et bagging 

Sélectionner et optimiser un algorithme de Machine Learning

Identifier les problèmes d’apprentissage automatique non supervisés

Maîtrisez les principaux algorithmes de clustering à l’aide de la bibliothèque clé de Machine Learning, scikit-learn

Maîtriser les modèles de régression logistique, pénalisés et Elastic-Net

Connaître les principales métriques d’évaluation des modèles de régression utilisés en Machine Learning

Réduisez de manière optimale la taille d’un ensemble de données sans perdre d’informations

Identifiez visuellement les structures pour déterminer l’algorithme d’apprentissage automatique approprié.