machine learning course

Un cours d'apprentissage automatique avec Python

Table des matières

• Téléchargez gratuitement le guide des ressources d'apprentissage profond

• Groupe Slack

• Introduction

• Motivation

• Apprentissage automatique

• Bases de l'apprentissage automatique

• Apprentissage supervisé

• Apprentissage non supervisé

• Apprentissage profond

• Processus de demande de tirage

• Note finale

• Développeurs

• Citation

Téléchargez gratuitement le guide des ressources d'apprentissage profond

Groupe Slack

Introduction

Le but de ce projet est de fournir un cours complet et simple sur l'apprentissage automatique à l'aide de Python.

Motivation

Machine Learning , en tant qu'outil d' Artificial Intelligence , est l'un des domaines scientifiques les plus largement adoptés. Une quantité considérable de littérature a été publiée sur le Machine Learning. Le but de ce projet est de fournir les aspects les plus importants du Machine Learning en présentant une série de tutoriels simples mais complets utilisant Python . Dans ce projet, nous avons construit nos didacticiels en utilisant de nombreux frameworks d'apprentissage automatique bien connus tels que Scikit-learn . Dans ce projet, vous apprendrez :

• Quelle est la définition du Machine Learning ?

• Quand a-t-il commencé et quelle est l’évolution des tendances ?

• Quelles sont les catégories et sous-catégories de Machine Learning ?

• Quels sont les algorithmes de Machine Learning les plus utilisés et comment les mettre en œuvre ?

Apprentissage automatique

Titre	Document
Une introduction à l'apprentissage automatique	Aperçu

Bases de l'apprentissage automatique

Titre	Code	Document
Régression linéaire	Python	Tutoriel
Surajustement/sous-ajustement	Python	Tutoriel
Régularisation	Python	Tutoriel
Validation croisée	Python	Tutoriel

Apprentissage supervisé

Titre	Code	Document
Arbres de décision	Python	Tutoriel
K-Voisins les plus proches	Python	Tutoriel
Bayes naïf	Python	Tutoriel
Régression logistique	Python	Tutoriel
Machines à vecteurs de support	Python	Tutoriel

Apprentissage non supervisé

Titre	Code	Document
Regroupement	Python	Tutoriel
Analyse des composantes principales	Python	Tutoriel

Apprentissage profond

Titre	Code	Document
Présentation des réseaux de neurones	Python	Tutoriel
Réseaux de neurones convolutifs	Python	Tutoriel
Encodeurs automatiques	Python	Tutoriel
Réseaux de neurones récurrents	Python	IPython

Processus de demande de tirage

Veuillez considérer les critères suivants afin de mieux nous aider :

1. La pull request devrait principalement être une suggestion de lien.

2. Veuillez vous assurer que les ressources que vous suggérez ne sont pas obsolètes ou cassées.

3. Assurez-vous que toutes les dépendances d'installation ou de build sont supprimées avant la fin de la couche lors de la réalisation d'une build et de la création d'une pull request.

4. Ajoutez des commentaires avec des détails sur les modifications apportées à l'interface, cela inclut les nouvelles variables d'environnement, les ports exposés, les emplacements de fichiers utiles et les paramètres de conteneur.

5. Vous pouvez fusionner la Pull Request une fois que vous avez obtenu l'approbation d'au moins un autre développeur, ou si vous n'avez pas l'autorisation de le faire, vous pouvez demander au propriétaire de la fusionner pour vous si vous pensez que toutes les vérifications ont été réussies.

Note finale

Nous attendons avec impatience vos aimables commentaires. S'il vous plaît, aidez-nous à améliorer ce projet open source et à améliorer notre travail. Pour contribuer, veuillez créer une pull request et nous l’étudierons dans les plus brefs délais. Encore une fois, nous apprécions vos aimables commentaires et votre soutien.

Développeurs

Superviseure et créatrice du projet : Amirsina Torfi [GitHub, Site Personnel, Linkedin ]

Développeurs : Amirsina Torfi, Brendan Sherman*, James E Hopkins* [Linkedin], Zac Smith [Linkedin]

REMARQUE : Ce projet a été développé en tant que projet de synthèse proposé par [Cours CS 4624 Multimédia/Hypertexte à Virginia Tech] et supervisé et soutenu par [Machine Learning Mindset].

* : contribution égale

Citation

Si vous avez trouvé ce cours utile, pensez à le citer comme ci-dessous :

 @logiciel{amirsina_torfi_2019_3585763,
  auteur = {Amirsina Torfi et
                  Brendan Sherman et
                  Jay Hopkins et
                  Éric Wynn et
                  hokie45 et
                  Frederik De Bleser et
                  李明岳 et
                  Samuel Husso et
                  Alain},
  titre = {{machinelearningmindset/machine-learning-course :
                   Apprentissage automatique avec Python}},
  mois = décembre,
  année = 2019,
  éditeur = {Zenodo},
  version = {1.0},
  est ce que je = {10.5281/zenodo.3585763},
  URL = {https://doi.org/10.5281/zenodo.3585763}
}