Section Nom Description
Fichier Cliquez ici pour télécharge le syllabus du cours
leçon 01: Les concepts fondamentaux de l'apprentissage automatique Fichier leçon 01: Les concepts fondamentaux de l'apprentissage automatique

Bonjour à toutes et à tous,
Vous trouverez ci-dessus le support au format PDF de notre cours magistral dédié aux CONCEPTS FONDAMENTAUX DE L'APPRENTISSAGE AUTOMATIQUE
. Ce document constitue la base théorique essentielle pour valider ce module.
Pour aborder ce chapitre efficacement, je vous invite à suivre les consignes ci-dessous :
  • 📖 Lecture attentive : Prenez le temps de lire l'intégralité du document avant notre prochaine séance.
  • ✍️ Prise de notes : Ne vous contentez pas de lire. Notez les définitions clés et les concepts qui vous semblent complexes.
  • ❓ Forum de discussion : Si un point reste obscur, posez vos questions dans le le Forum avant le Date prochaine du cours suivant  . Nous y répondrons ensemble.
  • 🚀 Prochaine étape : Cette lecture est obligatoire pour pouvoir réaliser le quiz d'auto-évaluation en ligne disponible la semaine prochaine.
Bon travail à vous !






URL ressources externes sur Machine Learning






Page Lesson 1 Manuel ====>







leçon 02: Apprentissage supervisé & k-nearest neighbors
Fichier leçon 02: Apprentissage supervisé & k-nearest neighbors






Fichier support Lesson 2






URL ressources bibliographiques Lesson2







leçon 03: Sélection de modèle & Évaluation
Fichier Cliquez pour récupérer votre ressource d’apprentissage






Fichier Travaux Pratiques – Leçon 03 : Sélection de modèle & Évaluation

Objectifs du TP
À la fin de cette séance, vous serez capables de :
    

  1. Séparer correctement un jeu de données en train / validation / test
    2. 

  2. Utiliser la validation croisée (k-fold)
    3. 

  3. Optimiser des hyperparamètres avec GridSearchCV et RandomizedSearchCV
    4. 

  4. Comparer plusieurs modèles de façon rigoureuse
    5. 

  5. Choisir et interpréter les métriques adaptées (classification et régression)
    6. 

  6. Éviter le data leakage







URL Ressources electronique , website









leçon 04: Régressions paramétriques
Fichier leçon 04: Régressions paramétriques







leçon 05: Clustering (partitionnement de données)
Fichier leçon 05: Clustering (partitionnement de données)







leçon 06: Arbres de décision & Forêts aléatoires
Fichier Cliquez pour récupérer votre ressource d’apprentissage







COURS AVEC DR SANA
Fichier fichier Template






URL Ressources externes web