Intelligence Artificielle et Data Science
- Où se situe le Machine Learning ?
La base du Machine Learning
- Pourquoi l’utiliser ?
- Comment fonctionne-t-il ?
- Les différents types : Supervisé, Non Supervisé, Renforcé
- Résultats, Statistiques et Probabilités
Réseaux de neurones et Deep Learning
ML.NET
- Avantages et utilisations du Framework
- Model Builder
D’une Idée au Projet, Méthodologie et Bonnes Pratiques
- Récupération des données
- Préparation des données
- Construire un modèle
- Entrainement
- Evaluation
- Affinement des paramètres
- Prédiction
Algorithmes et Application
- Choisir l’Algorithme le plus adapté
- Classification binaire
- Classification en classes multiples
- Détection d’anomalies
- Détection de groupes
- Hiérarchie
- Prévision dans le temps
- Recommandation
- Régression
- Vision
Déploiement