1) Les bases de Machine Learning - Python pour Machine Learning скачать в хорошем качестве

1) Les bases de Machine Learning - Python pour Machine Learning

Les bases de Machine Learning Python pour Machine Learning Introduction à machine Learning Régression Linéaire avec sklearn Dataset: Features, target Forme mathématique de la régression linéaire Les étapes pour créer un modèle de régression avec sklearn Evaluer un modèle de régression: error, mse, mae, rmse, r2 Préparation de données : Label Encoder – Onehot Encoder Applications: Nuage de points, Advertissing Problem, Profit Startup, Cars Co2 Emisison Prediction Régression Linéaire sans sklearn – from scratch Ce que c’est l’apprentissage exactement – update parameters Analyse de cost function (mse) en fonction des paramètres Analyse de cost function (mse) en fonction des itérations Update parameters: combinaison de dérivée - Gradient – learning rate Gradient Descent: code source Régression Logistique avec sklearn Présentation des problèmes de classification La forme mathématique de la régression logistique Les étapes à créer un modèle de classification Evaluer un modèle de classification: confusion matrix, accuracy, precision, recall, f1 score Applications: red or blue app, spam detection, diabetic detection Régression Logistique sans sklearn Les bases des réseaux de neurones Ce que c’est un réseau de neurones Les éléments d’un neurone: inputs, weights, weighted sum, activation, output De la régression linéaire au réseau de neurones: un seul neurone De la régression logistique au réseau de neurones: un seul neurone Applications