Planning de travail :
- Séance en ligne le 3 & le 5 Novembre 2020.
- Séance en présentiel le 19 novembre 2020.
- Séance en présentiel le 3 Décembre 2020.
- Du 4 Décembre 2020 au 6 Janvier 2021 : faire le paragraphe 2.3 & 2.4
- Séance en présentiel le 7 Janvier 2021.
- Séance en présentiel le 11 Février 2021.
Le support pour le cours du 3 novembre 2020 est disponible ici.
Séance en ligne le mardi 3 novembre 2020.
Le TP Spark est disponible ici.
Séance en ligne le jeudi 5 novembre 2020.
2 Les méthodes d'apprentissage : arbre binaire de décision, réseaux de neurones, support vector machines, agrégation d'arbres.
Ces sujets font l'objet de la première partie du module immersion. Une introduction générale sera donnée pendant le présentiel du 19 Novembre. Le concepts étudiés seront ensuite mis en pratique pendant la séance de TP du 3 Décembre. Pendant la période du 4 Décembre 2020 au 6 Janvier 2021, les étudiants vont approfondir les sujets présentés, en consultant les document fournis ci-bas. Ces sujets seront traités en présentiel pendant la séance de TP du 7 Janvier.
Les sujets traités lors de la séance:
- Régression Lasso.
- Arbres binaires de décision
- Agrégation de modèles
- Réseaux de neurones
- Machines à vecteurs supports
- Apprentissage supervisé.
La deuxième partie du notebook TP ozone (à partir de la section 4.4) fera l'object de cette séance.
Retrouvez ici les contenus à étudier en autonomie, à faire sur la période du 04/12/2020 au 06/01/2021.
- Consulter les chapitres 6 et 8 à 11 dans: (https://github.com/erachelson/Mlclass).
A faire sur la période du 04/12/2020 au 06/01/2021. Exécuter les notebooks contenus dans les chapitres 6 et 8 à 11 dans: https://github.com/erachelson/Mlclass.
Le TP spam fera l'object de cette séance.
3 Algorithmes stochastiques plus sophistiqués : optimisation parcimonieuse, factorisation non négative de matrice
Aucun travail personnel est demandé pour cette partie.
Slides pour le cours du 11 Fevrier
Notebook pour le TP du 11 Fevrier