Introduction au Machine Learning et Types de Données

📋 Plan du Cours

1. Données et information
2. Types de données
3. Machine Learning et apprentissage
4. Apprentissage supervisé
5. Classification et régression
6. Régression linéaire
7. Apprentissage non supervisé

📖 1. Données et information

🔑 Notions clés & Définitions

• Donnée : Une donnée correspond à une observation brute, non analysée, utilisée comme matière première pour obtenir ensuite de l’information.
• Information : Une information est le sens interprété d’observations, présenté comme un message compréhensible grâce à une mise en contexte.
• Observation brute : Une observation brute désigne des valeurs telles quelles, sans organisation ni interprétation préalable pour guider l’analyse.

📝 Points essentiels

• Les données sont présentées comme des observations brutes non organisées et non liées, puis servent après analyse à produire de l’information.
• L’information est des données interprétées, perçues comme un message donnant un sens aux observations de départ.
• Exemple de données : 15, 29, 30, 2000, 4000, 01/01/2000, qui ne formulent pas encore un message.
• Exemple d’information : 20 ans, 21 ans, 4000 dh, avec la date de naissance 01/01/2000 indiquant un sens interprété.
• Un jeu de données désigne un ensemble organisé de données liées entre elles, souvent stocké en format structuré ou non structuré.

💡 Astuce mémo

Données = briques brutes ; information = message assemblé.

📖 2. Types de données