Détails
- 12 Sections
- 62 Lessons
- 28 Weeks
Expand all sectionsCollapse all sections
- Introduction à la modélisation5
- 1.1Présentation du langage Python
- 1.2Présentation du logiciel Jupiter Notebook
- 1.3Définition des jalons de construction d’un modèle
- 1.4Comparatif algorithmes supervisés & non supervisés
- 1.5Différences entre régression et classification
- Introduction à la modélisation5
- 2.1Présentation du langage Python
- 2.2Présentation du logiciel Jupiter Notebook
- 2.3Définition des jalons de construction d’un modèle
- 2.4Comparatif algorithmes supervisés & non supervisés
- 2.5Différences entre régression et classification
- Procédures d'évaluation de modèles5
- 3.1Ré-échantillonnage en jeu d’apprentissage
- 3.2Techniques de validation et de test
- 3.3Test de représentativité des données d’apprentissage
- 3.4Évaluation de performance des modèles prédictifs
- 3.5Matrice de confusion, de coût et la courbe ROC et AUC
- Procédures d'évaluation de modèles5
- 4.1Ré-échantillonnage en jeu d’apprentissage
- 4.2Techniques de validation et de test
- 4.3Test de représentativité des données d’apprentissage
- 4.4Évaluation de performance des modèles prédictifs
- 4.5Matrice de confusion, de coût et la courbe ROC et AUC
- Algorithmes supervisés6
- 5.1Principe de régression linéaire univariée
- 5.2Régression multivariée
- 5.3Régression polynomiale
- 5.4Régression régularisée
- 5.5Naive Bayes
- 5.6Régression logistique
- Algorithmes supervisés6
- 6.1Principe de régression linéaire univariée
- 6.2Régression multivariée
- 6.3Régression polynomiale
- 6.4Régression régularisée
- 6.5Naive Bayes
- 6.6Régression logistique
- Algorithmes non supervisés3
- 7.1Clustering hiérarchique
- 7.2Clustering non hiérarchique
- 7.3Approches mixtes
- Algorithmes non supervisés3
- 8.1Clustering hiérarchique
- 8.2Clustering non hiérarchique
- 8.3Approches mixtes
- Analyse en composantes5
- 9.1Analyse en composantes principales
- 9.2Analyse factorielle des correspondances
- 9.3Analyse des correspondances multiples
- 9.4Analyse factorielle pour données mixtes
- 9.5Classification hiérarchique sur composantes principales
- Analyse en composantes5
- 10.1Analyse en composantes principales
- 10.2Analyse factorielle des correspondances
- 10.3Analyse des correspondances multiples
- 10.4Analyse factorielle pour données mixtes
- 10.5Classification hiérarchique sur composantes principales
- Analyse de données textuelles7
- 11.1Collecte et prétraitement des données textuelles
- 11.2Extraction d’entités primaires, d’entités nommées et résolution référentielle
- 11.3Étiquetage grammatical, analyse syntaxique, analyse sémantique.
- 11.4Lemmatisation
- 11.5Représentation vectorielle des textes
- 11.6Pondération TF-IDF
- 11.7Word2Vec
- Analyse de données textuelles7
- 12.1Collecte et prétraitement des données textuelles
- 12.2Extraction d’entités primaires, d’entités nommées et résolution référentielle
- 12.3Étiquetage grammatical, analyse syntaxique, analyse sémantique.
- 12.4Lemmatisation
- 12.5Représentation vectorielle des textes
- 12.6Pondération TF-IDF
- 12.7Word2Vec
