Machine Learning

Pré-traiter les données afin qu’elles conviennent aux modèles utilisés

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

Maîtriser les algorithmes d’ensemble de type boosting et bagging

Sélectionner et optimiser un algorithme de Machine Learning

Identifier les problèmes de Machine Learning non supervisés

Maîtriser les principaux algorithmes de clustering à l’aide d’une bibliothèque clé en 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

Réduire la taille d’un jeu de données de manière optimale sans perte d’information

Repérer visuellement des structures afin de déterminer l’algorithme de Machine Learning adéquat