Introduction aux Techniques de Machine Learning

📋 Plan du Cours

1. Structure et organisation du cours de Machine Learning
2. Applications courantes du Machine Learning dans divers domaines
3. Les quatre tâches typiques du Machine Learning : supervisé, non supervisé, renforcement et génération
4. Formulation du problème de prédiction en apprentissage supervisé
5. Mesures de performance des prédicteurs : pertes locales, risque, prédicteur de Bayes et métriques globales pour données déséquilibrées
6. Apprentissage non supervisé : clustering et réduction de dimension
7. Régression linéaire et régression logistique : formulation, avantages et limites
8. Régression logistique : formulation, optimisation et propriétés

📖 1. Structure et organisation du cours de Machine Learning

🔑 Notions clés & Définitions

• Error : erreur qui résulte de la différence entre la prédiction d’un modèle et la valeur réelle, pouvant être décomposée en erreur d’estimation et erreur d’approximation.

📝 Points essentiels