Apprendre à exploiter des données en adaptant les méthodes de traitement à chaque problème
Introduction
Tour d’horizon du machine learning : Concepts et termes rencontrés – Classification des problèmes – Famille d’algorithme – Types d’apprentissage – Cas d’usage
Connaître les étapes d’un sujet de machine learning
Préparation des données : filtrage, étude des corrélations, organisation pertinente des données
Choix de la solution algorithmique : régression, clustering, classification
Critères d’évaluation
Comprendre l’apprentissage automatique
Cartographie des méthodes – Choix d’un modèle – Outils existants – Résultats possibles – Démonstration sur des cas d’école
Découvrir des outils de machine learning facile d’utilisation
Présentation d’outils pour la mise en œuvre de solutions intelligentes
Présentation d’outils de Deep Learning
Classification d’images