Apprentissage machine en Python avec Scikit.Learn par NET-NG

IntroductionPrésentation Périmètre du toolkit, domaine d'application Structure Représentation des données et principes de l'API La documentationCatégories de problèmes et mise en oeuvre avec SL Classification Régression Clustering Autres algorithmes disponiblesValidation des modèlesPréparation des modèles Cas des images Cas des textes Réduction des dimensions Autres préparationsEnchainements (pipelining)Choisir le bon estimateur et les bons paramètresPerformance et montées en charge Stratégie OutilsInteropérabilité avec écosystème python scientifique.

- Mettre en oeuvre des algorithmes d'apprentissage machine en python avec Scikit
- Learn, dans les domaines d'Analyse, de Clustering, de Simplification / réduction / projection de vecteurs, d'Ajustement de modèle (fitting)- Pouvoir choisir une stratégie de montée en charge pour Scikit
- Learn
- Utiliser Scikit
- Learn en conjonction avec d'autres toolkit de l'univers Python (par ex. Skimage ou OpenCV)- Etre en mesure de citer les différents composants de Scikit
- Learn, leur usage, trouver rapidement leur documentation.
- Attention : le Deep Learning n'est pas couvert par Scikit
- Learn