module #1 Introduction à l'apprentissage automatique Vue d'ensemble de l'apprentissage automatique, types d'apprentissage automatique et importance de l'apprentissage automatique
module #2 Fondements mathématiques Algèbre linéaire, calcul, probabilités et statistiques
module #3 Prétraitement des données Nettoyage des données, mise à l'échelle des caractéristiques, normalisation et sélection des caractéristiques
module #4 Apprentissage supervisé Introduction à l'apprentissage supervisé, à la régression et à la classification
module #5 Régression linéaire Régression linéaire simple et multiple, fonction de coût et descente de gradient
module #6 Régression logistique Régression logistique, fonction sigmoïde et fonction de coût
module #7 Arbres de décision Introduction aux arbres de décision, à l'entropie et au gain d'informations
module #8 Forêts aléatoires Apprentissage d'ensemble, forêts aléatoires et réglage des hyperparamètres
module #9 Machines à vecteurs de support Introduction aux SVM, à l'astuce du noyau et aux SVM à marge souple
module #10 Non supervisé Apprentissage Introduction à l'apprentissage non supervisé, au clustering et à la réduction de dimensionnalité
module #11 Clustering K-Means Algorithme de clustering K-means, fonction de coût et algorithme de Lloyds
module #12 Clustering hiérarchique Clustering hiérarchique, clustering agglomératif et diviseur
module #13 Analyse en composantes principales Introduction à l'ACP, aux valeurs propres et aux vecteurs propres
module #14 Fondamentaux de l'apprentissage profond Introduction à l'apprentissage profond, aux réseaux neuronaux et au perceptron
module #15 Réseaux neuronaux convolutifs Introduction aux CNN, aux couches convolutives et aux couches de regroupement
module #16 Réseaux neuronaux récurrents Introduction aux RNN, LSTM et GRU
module #17 Traitement du langage naturel Introduction au PNL, au prétraitement de texte et aux plongements de mots
module #18 Évaluation du modèle et Sélection Métriques pour les techniques d'évaluation, de surajustement et de sélection de modèles
module #19 Réglage des hyperparamètres Introduction au réglage des hyperparamètres, à la recherche de grille et à la recherche aléatoire
module #20 Déploiement de modèles Déploiement de modèles d'apprentissage automatique, diffusion de modèles et considérations
module #21 Éthique et équité dans l'apprentissage automatique Biais et équité dans l'apprentissage automatique, éthique et transparence
module #22 Études de cas en apprentissage automatique Applications concrètes de l'apprentissage automatique, études de cas et projets
module #23 Sujets avancés en apprentissage automatique Sujets avancés en apprentissage automatique, y compris l'apprentissage par renforcement et les modèles génératifs
module #24 Bilan et conclusion du cours Planifier les prochaines étapes de votre carrière en apprentissage automatique
