Détails
- 60 Sections
- 336 Lessons
- 21 heures
Expand all sectionsCollapse all sections
- Introduction au Machine Learning4
- 1.1Présentation des notions de bases
- 1.2Modèles & Machine Learning
- 1.3Deep Learning
- 1.4AutoML
- Introduction au Machine Learning4
- 2.1Présentation des notions de bases
- 2.2Modèles & Machine Learning
- 2.3Deep Learning
- 2.4AutoML
- Introduction au Machine Learning4
- 3.1Présentation des notions de bases
- 3.2Modèles & Machine Learning
- 3.3Deep Learning
- 3.4AutoML
- Introduction au Machine Learning4
- 4.1Présentation des notions de bases
- 4.2Modèles & Machine Learning
- 4.3Deep Learning
- 4.4AutoML
- Introduction au Machine Learning4
- 5.1Présentation des notions de bases
- 5.2Modèles & Machine Learning
- 5.3Deep Learning
- 5.4AutoML
- Introduction au Machine Learning4
- 6.1Présentation des notions de bases
- 6.2Modèles & Machine Learning
- 6.3Deep Learning
- 6.4AutoML
- Présentation d'H2O4
- 7.1Notions et cas d’usages
- 7.2Installation
- 7.3Introduction à R
- 7.4Travaux pratiques : installation et première utilisation d’H2O
- Présentation d'H2O4
- 8.1Notions et cas d’usages
- 8.2Installation
- 8.3Introduction à R
- 8.4Travaux pratiques : installation et première utilisation d’H2O
- Présentation d'H2O4
- 9.1Notions et cas d’usages
- 9.2Installation
- 9.3Introduction à R
- 9.4Travaux pratiques : installation et première utilisation d’H2O
- Présentation d'H2O4
- 10.1Notions et cas d’usages
- 10.2Installation
- 10.3Introduction à R
- 10.4Travaux pratiques : installation et première utilisation d’H2O
- Présentation d'H2O4
- 11.1Notions et cas d’usages
- 11.2Installation
- 11.3Introduction à R
- 11.4Travaux pratiques : installation et première utilisation d’H2O
- Présentation d'H2O4
- 12.1Notions et cas d’usages
- 12.2Installation
- 12.3Introduction à R
- 12.4Travaux pratiques : installation et première utilisation d’H2O
- Arbres et forêts7
- 13.1Définitions
- 13.2Arbres de décisions
- 13.3Random Forest & H2O
- 13.4Gradient Boosting Machine & H2O
- 13.5Overfitting & train / validation / test
- 13.6Validation croisée & H2O
- 13.7Travaux pratiques : création d’arbres de décisions et études des résultats
- Arbres et forêts7
- 14.1Définitions
- 14.2Arbres de décisions
- 14.3Random Forest & H2O
- 14.4Gradient Boosting Machine & H2O
- 14.5Overfitting & train / validation / test
- 14.6Validation croisée & H2O
- 14.7Travaux pratiques : création d’arbres de décisions et études des résultats
- Arbres et forêts7
- 15.1Définitions
- 15.2Arbres de décisions
- 15.3Random Forest & H2O
- 15.4Gradient Boosting Machine & H2O
- 15.5Overfitting & train / validation / test
- 15.6Validation croisée & H2O
- 15.7Travaux pratiques : création d’arbres de décisions et études des résultats
- Arbres et forêts7
- 16.1Définitions
- 16.2Arbres de décisions
- 16.3Random Forest & H2O
- 16.4Gradient Boosting Machine & H2O
- 16.5Overfitting & train / validation / test
- 16.6Validation croisée & H2O
- 16.7Travaux pratiques : création d’arbres de décisions et études des résultats
- Arbres et forêts7
- 17.1Définitions
- 17.2Arbres de décisions
- 17.3Random Forest & H2O
- 17.4Gradient Boosting Machine & H2O
- 17.5Overfitting & train / validation / test
- 17.6Validation croisée & H2O
- 17.7Travaux pratiques : création d’arbres de décisions et études des résultats
- Arbres et forêts7
- 18.1Définitions
- 18.2Arbres de décisions
- 18.3Random Forest & H2O
- 18.4Gradient Boosting Machine & H2O
- 18.5Overfitting & train / validation / test
- 18.6Validation croisée & H2O
- 18.7Travaux pratiques : création d’arbres de décisions et études des résultats
- Modèles linéaires6
- 19.1Définitions
- 19.2Régression linéaire
- 19.3Régression logistique
- 19.4Naïve bayésien
- 19.5Hyperparamètre
- 19.6Travaux pratiques : création d’une régression et études des résultats
- Modèles linéaires6
- 20.1Définitions
- 20.2Régression linéaire
- 20.3Régression logistique
- 20.4Naïve bayésien
- 20.5Hyperparamètre
- 20.6Travaux pratiques : création d’une régression et études des résultats
- Modèles linéaires6
- 21.1Définitions
- 21.2Régression linéaire
- 21.3Régression logistique
- 21.4Naïve bayésien
- 21.5Hyperparamètre
- 21.6Travaux pratiques : création d’une régression et études des résultats
- Modèles linéaires6
- 22.1Définitions
- 22.2Régression linéaire
- 22.3Régression logistique
- 22.4Naïve bayésien
- 22.5Hyperparamètre
- 22.6Travaux pratiques : création d’une régression et études des résultats
- Modèles linéaires6
- 23.1Définitions
- 23.2Régression linéaire
- 23.3Régression logistique
- 23.4Naïve bayésien
- 23.5Hyperparamètre
- 23.6Travaux pratiques : création d’une régression et études des résultats
- Modèles linéaires6
- 24.1Définitions
- 24.2Régression linéaire
- 24.3Régression logistique
- 24.4Naïve bayésien
- 24.5Hyperparamètre
- 24.6Travaux pratiques : création d’une régression et études des résultats
- Data Manipulation3
- 25.1Chargement et exportation de la donnée sous H2O
- 25.2Exploration de la donnée
- 25.3Manipulation de la donnée
- Data Manipulation3
- 26.1Chargement et exportation de la donnée sous H2O
- 26.2Exploration de la donnée
- 26.3Manipulation de la donnée
- Data Manipulation3
- 27.1Chargement et exportation de la donnée sous H2O
- 27.2Exploration de la donnée
- 27.3Manipulation de la donnée
- Data Manipulation3
- 28.1Chargement et exportation de la donnée sous H2O
- 28.2Exploration de la donnée
- 28.3Manipulation de la donnée
- Data Manipulation3
- 29.1Chargement et exportation de la donnée sous H2O
- 29.2Exploration de la donnée
- 29.3Manipulation de la donnée
- Data Manipulation3
- 30.1Chargement et exportation de la donnée sous H2O
- 30.2Exploration de la donnée
- 30.3Manipulation de la donnée
- Deep learning H2O3
- 31.1Réseaux neuronaux
- 31.2Deep learning & le Grid Search
- 31.3Régression en Deep Learning
- Deep learning H2O3
- 32.1Réseaux neuronaux
- 32.2Deep learning & le Grid Search
- 32.3Régression en Deep Learning
- Deep learning H2O3
- 33.1Réseaux neuronaux
- 33.2Deep learning & le Grid Search
- 33.3Régression en Deep Learning
- Deep learning H2O3
- 34.1Réseaux neuronaux
- 34.2Deep learning & le Grid Search
- 34.3Régression en Deep Learning
- Deep learning H2O3
- 35.1Réseaux neuronaux
- 35.2Deep learning & le Grid Search
- 35.3Régression en Deep Learning
- Deep learning H2O3
- 36.1Réseaux neuronaux
- 36.2Deep learning & le Grid Search
- 36.3Régression en Deep Learning
- Architecture et sécurité sous H2O5
- 37.1H2O Stack logiciel
- 37.2API REST
- 37.3Interaction avec R
- 37.4Sécurisation des modèles
- 37.5SSL Sécurité
- Architecture et sécurité sous H2O5
- 38.1H2O Stack logiciel
- 38.2API REST
- 38.3Interaction avec R
- 38.4Sécurisation des modèles
- 38.5SSL Sécurité
- Architecture et sécurité sous H2O5
- 39.1H2O Stack logiciel
- 39.2API REST
- 39.3Interaction avec R
- 39.4Sécurisation des modèles
- 39.5SSL Sécurité
- Architecture et sécurité sous H2O5
- 40.1H2O Stack logiciel
- 40.2API REST
- 40.3Interaction avec R
- 40.4Sécurisation des modèles
- 40.5SSL Sécurité
- Architecture et sécurité sous H2O5
- 41.1H2O Stack logiciel
- 41.2API REST
- 41.3Interaction avec R
- 41.4Sécurisation des modèles
- 41.5SSL Sécurité
- Architecture et sécurité sous H2O5
- 42.1H2O Stack logiciel
- 42.2API REST
- 42.3Interaction avec R
- 42.4Sécurisation des modèles
- 42.5SSL Sécurité
- Présentation du Sparkling Water8
- 43.1Cas d’utilisation nominale
- 43.2Construction de modèles
- 43.3Le munging de données
- 43.4Les processus en stream
- 43.5Présentation des fonctionnalités
- 43.6Les sources de données supportées
- 43.7Formats de données supportées
- 43.8Environnements d’exécutions Spark supportés
- Présentation du Sparkling Water8
- 44.1Cas d’utilisation nominale
- 44.2Construction de modèles
- 44.3Le munging de données
- 44.4Les processus en stream
- 44.5Présentation des fonctionnalités
- 44.6Les sources de données supportées
- 44.7Formats de données supportées
- 44.8Environnements d’exécutions Spark supportés
- Présentation du Sparkling Water8
- 45.1Cas d’utilisation nominale
- 45.2Construction de modèles
- 45.3Le munging de données
- 45.4Les processus en stream
- 45.5Présentation des fonctionnalités
- 45.6Les sources de données supportées
- 45.7Formats de données supportées
- 45.8Environnements d’exécutions Spark supportés
- Présentation du Sparkling Water8
- 46.1Cas d’utilisation nominale
- 46.2Construction de modèles
- 46.3Le munging de données
- 46.4Les processus en stream
- 46.5Présentation des fonctionnalités
- 46.6Les sources de données supportées
- 46.7Formats de données supportées
- 46.8Environnements d’exécutions Spark supportés
- Présentation du Sparkling Water8
- 47.1Cas d’utilisation nominale
- 47.2Construction de modèles
- 47.3Le munging de données
- 47.4Les processus en stream
- 47.5Présentation des fonctionnalités
- 47.6Les sources de données supportées
- 47.7Formats de données supportées
- 47.8Environnements d’exécutions Spark supportés
- Présentation du Sparkling Water8
- 48.1Cas d’utilisation nominale
- 48.2Construction de modèles
- 48.3Le munging de données
- 48.4Les processus en stream
- 48.5Présentation des fonctionnalités
- 48.6Les sources de données supportées
- 48.7Formats de données supportées
- 48.8Environnements d’exécutions Spark supportés
- API H2O11
- 49.1Démarrage des services H2O
- 49.2L’allocation mémoire
- 49.3Conversion d’H2OFrame : RDD & DataFrame
- 49.4Convertion du RDD et DataFrame au H2OFrame
- 49.5Création d’un H2OFrame à partir d’une clé existante
- 49.6Le mapping des types entre H2OFrame et Spark DataFrame
- 49.7Appeler les algorithmes H2O
- 49.8Utilisation de Spark Data Sources avec H2OFrame
- 49.9H2OFrame : lecture & enregistrement
- 49.10Chargement et sauvegarde des options
- 49.11Spécification du mode d’enregistrement à appliquer
- API H2O11
- 50.1Démarrage des services H2O
- 50.2L’allocation mémoire
- 50.3Conversion d’H2OFrame : RDD & DataFrame
- 50.4Convertion du RDD et DataFrame au H2OFrame
- 50.5Création d’un H2OFrame à partir d’une clé existante
- 50.6Le mapping des types entre H2OFrame et Spark DataFrame
- 50.7Appeler les algorithmes H2O
- 50.8Utilisation de Spark Data Sources avec H2OFrame
- 50.9H2OFrame : lecture & enregistrement
- 50.10Chargement et sauvegarde des options
- 50.11Spécification du mode d’enregistrement à appliquer
- API H2O11
- 51.1Démarrage des services H2O
- 51.2L’allocation mémoire
- 51.3Conversion d’H2OFrame : RDD & DataFrame
- 51.4Convertion du RDD et DataFrame au H2OFrame
- 51.5Création d’un H2OFrame à partir d’une clé existante
- 51.6Le mapping des types entre H2OFrame et Spark DataFrame
- 51.7Appeler les algorithmes H2O
- 51.8Utilisation de Spark Data Sources avec H2OFrame
- 51.9H2OFrame : lecture & enregistrement
- 51.10Chargement et sauvegarde des options
- 51.11Spécification du mode d’enregistrement à appliquer
- API H2O11
- 52.1Démarrage des services H2O
- 52.2L’allocation mémoire
- 52.3Conversion d’H2OFrame : RDD & DataFrame
- 52.4Convertion du RDD et DataFrame au H2OFrame
- 52.5Création d’un H2OFrame à partir d’une clé existante
- 52.6Le mapping des types entre H2OFrame et Spark DataFrame
- 52.7Appeler les algorithmes H2O
- 52.8Utilisation de Spark Data Sources avec H2OFrame
- 52.9H2OFrame : lecture & enregistrement
- 52.10Chargement et sauvegarde des options
- 52.11Spécification du mode d’enregistrement à appliquer
- API H2O11
- 53.1Démarrage des services H2O
- 53.2L’allocation mémoire
- 53.3Conversion d’H2OFrame : RDD & DataFrame
- 53.4Convertion du RDD et DataFrame au H2OFrame
- 53.5Création d’un H2OFrame à partir d’une clé existante
- 53.6Le mapping des types entre H2OFrame et Spark DataFrame
- 53.7Appeler les algorithmes H2O
- 53.8Utilisation de Spark Data Sources avec H2OFrame
- 53.9H2OFrame : lecture & enregistrement
- 53.10Chargement et sauvegarde des options
- 53.11Spécification du mode d’enregistrement à appliquer
- API H2O11
- 54.1Démarrage des services H2O
- 54.2L’allocation mémoire
- 54.3Conversion d’H2OFrame : RDD & DataFrame
- 54.4Convertion du RDD et DataFrame au H2OFrame
- 54.5Création d’un H2OFrame à partir d’une clé existante
- 54.6Le mapping des types entre H2OFrame et Spark DataFrame
- 54.7Appeler les algorithmes H2O
- 54.8Utilisation de Spark Data Sources avec H2OFrame
- 54.9H2OFrame : lecture & enregistrement
- 54.10Chargement et sauvegarde des options
- 54.11Spécification du mode d’enregistrement à appliquer
- H2O en production5
- 55.1POJO & MOJO
- 55.2MOJO Quick Start
- 55.3POJO Quick Start
- 55.4Illustrations de design patterns
- 55.5Ressources supplémentaires
- H2O en production5
- 56.1POJO & MOJO
- 56.2MOJO Quick Start
- 56.3POJO Quick Start
- 56.4Illustrations de design patterns
- 56.5Ressources supplémentaires
- H2O en production5
- 57.1POJO & MOJO
- 57.2MOJO Quick Start
- 57.3POJO Quick Start
- 57.4Illustrations de design patterns
- 57.5Ressources supplémentaires
- H2O en production5
- 58.1POJO & MOJO
- 58.2MOJO Quick Start
- 58.3POJO Quick Start
- 58.4Illustrations de design patterns
- 58.5Ressources supplémentaires
- H2O en production5
- 59.1POJO & MOJO
- 59.2MOJO Quick Start
- 59.3POJO Quick Start
- 59.4Illustrations de design patterns
- 59.5Ressources supplémentaires
- H2O en production5
- 60.1POJO & MOJO
- 60.2MOJO Quick Start
- 60.3POJO Quick Start
- 60.4Illustrations de design patterns
- 60.5Ressources supplémentaires
