Le cadre de l'apprentissage supervisé, la régression linéaire et la descente de gradient, la classification et la régression logistique, l'évaluation des modèles, le surapprentissage et la régularisation, les plus proches voisins, les arbres et les forêts, les machines à vecteurs de support et les méthodes à noyau, les réseaux de neurones et l'apprentissage profond, puis le partitionnement et la réduction de dimension. Chaque méthode est écrite en Python et s'exécute dans la page.
13 chapitres · 55 h