Module-immersion

Retrouvez ici les contenus à étudier en autonomie du module immersion.

---

Planning de travail :

• Du 7 décembre 2018 au 9 janvier 2019 : faire le paragraphe 1.
• Séance en présentiel le 10 janvier 2019.
• Du 10 janvier au 31 janvier 2019 : faire le paragraphe 2.
• Séance en présentiel le 31 janvier 2019.
• Du 1 fevrier au 7 février 2019: faire le paragraphe 3.
• Séance en présentiel le 7 février 2019.

---

1 Neural Networks, Decision trees, Boosting, Bagging, Random Forests.

A faire sur la période du 07/12/2018 au 09/01/2019

1.1 Documents de base à consulter en autonomie

• Consulter les chapitres 6 et 8 à 11  dans: (https://github.com/erachelson/Mlclass).
• Régression Lasso: CoursRegLasso.pdf dans Documents.
• Arbres binaires de décision
• Agrégation de modèles
• Réseaux de neurones
• Machines à vecteurs supports
• Apprentissage supervisé: slides apprentissageSupervise.pdf dans Documents.

1.2 Travail personnel demandé

Exécuter le notebooks contenus dans les chapitres 6 et 8 à 11 dans: https://github.com/erachelson/Mlclass.

1.3 TP spam

La séance de TP prévue jeudi 10 janvier a été annulée. Réaliser le TP en autonomie : https://github.com/wikistat/Apprentissage/tree/master/Spam

2 Techniques de virtualisation et containerisation, les plateformes cloud

Cours et séance de TP le 31 janvier.

3 Algorithmes stochastiques plus sophistiqués : optimisation parcimonieuse, factorisation non négative de matrice

Slides pour le cours du 7 Fevrier: opti.pdf dans Documents

Notebook pour le TP du 7 Fevrier: tp_7fevrier.ipynb dans Documents