bootcamp_machine learning
v5.0.2
Ce projet est un bootcamp Machine Learning créé par 42 AI.
Les notions vues lors de ce bootcamp pouvant être complexes, nous conseillons très fortement aux étudiants d'avoir préalablement réalisé le bootcamp suivant :
42 Artificial Intelligence est une organisation étudiante du campus parisien de l'école 42. Notre objectif est de favoriser la discussion, l'apprentissage et l'intérêt pour le domaine de l'intelligence artificielle, en organisant diverses activités telles que des conférences et des ateliers.
Les fichiers pdf de chaque module peuvent être téléchargés depuis notre page de sortie : https://github.com/42-AI/bootcamp_machine-learning/releases
Commencez avec de l'algèbre linéaire et des statistiques
Opérations de somme, moyenne, variance, écart type, vecteurs et matrices.
Hypothèse, modèle, régression, fonction de perte.
Implémentez une méthode pour améliorer les performances de votre modèle : la descente de gradient, et découvrez la notion de normalisation
Descente de gradient, régression linéaire, normalisation.
Étendre la régression linéaire pour gérer plusieurs fonctionnalités, créer des modèles polynomiaux et détecter le surajustement
Hypothèse linéaire multivariée, descente de gradient linéaire multivariée, modèles polynomiaux.
Ensembles d'entraînement et de test, surapprentissage.
Découvrez votre premier algorithme de classification : la régression logistique !
Hypothèse logistique, descente de gradient logistique, régression logistique, classification multiclasse.
Exactitude, précision, rappel, score F1, matrice de confusion.
Combattez le surapprentissage !
Régularisation, surapprentissage. Fonction de perte régularisée, descente de gradient régularisée.
Régression linéaire régularisée. Régression logistique régularisée.
