Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Machine learning avec python

Machine Learning avec python Réalisé et présenté par EL HAD SOILIHI Plan I Introduction Machine Learning II Apprentissage supervisé ou non supervisé A L ? apprentissage supervisé B L ? apprentissage non-supervisé ou clustering C L ? apprentissage semi-supervisé III L ? environnement python IV Conclusion V Ressources Page CI Introduction Machine Learning Le machine learning ou encore l ? apprentissage automatique en français fait partie de l ? une des approches de l ? intelligence arti ?cielle Le machine Learning est donc une discipline scienti ?que centrée sur le développement l ? analyse et l ? implémentation de méthodes automatisables qui o ?rent la possibilité à la machine d ? évoluer gr? ce à un processus d ? apprentissage Il se révèle particulièrement e ?cace lorsqu ? il s ? agit d ? analyser de larges ensembles de données diverses et évolutives ce que l ? on nomme communément le Big Data Aujourd ? hui toutes les entreprises collectent et stockent de grandes quantités de données Ces bases de données qui ne cessent d ? augmenter jour après jour sont peu exploitées alors qu ? elles cachent de connaissances décisives face au marché et à la concurrence Pour combler ce besoin une nouvelle industrie est en train de na? tre Data Science Il existe toute une pléthore de domaines dans lesquels le machine Learning intervient à savoir la ?nance la sécurité la médecine l ? industrie automobile et la technologie dans tout son ensemble ainsi que di ?érents outils permettant de développer ces di ?érents algorithmes Au ?l des années Python est devenu un outil du quotidien pour les ingénieurs et chercheurs de toutes les disciplines scienti ?ques Gr? ce à de très nombreuses librairies d'une grande qualité il permet aujourd'hui d'égaler voire de surpasser des solutions propriétaires les plus performantes du marché Il est devenu un des outils incontournables des Data Scientists Nous vous proposons dans cet article de découvrir la vaste étendue de cet écosystème II Apprentissage supervisé ou non supervisé Il existe deux principaux types d ? apprentissages supervisées et non supervisées La principale di ?érence entre les deux types réside sur le fait que nous avons une connaissance préalable de ce que devraient être les valeurs de sortie de nos échantillons L'algorithme d'apprentissage constitue la méthode avec laquelle le modèle statistique va se paramétrer à partir des données d'exemple Il existe de nombreux algorithmes di ?érents On choisira un type d'algorithme particulier en fonction du type de t? che que l'on souhaite accomplir et du type de données dont on dispose Quelle est l'entrée de l'algorithme et quelle est la sortie L ? objectif ici n ? est pas de rentrer dans le détail des modèles mais plutôt de donner au lecteur des éléments de compréhension sur chacun d ? eux Par conséquent l ? objectif de l ? apprentissage supervisé est d ? apprendre une fonction qui à partir d ? un échantillon de données et des résultats souhaités se rapproche le mieux de