📄️ Apprentissage supervisé
Étude complète de l'apprentissage supervisé, de la régression linéaire aux méthodes d'ensemble. Durée : 7h, avec des projets appliqués, un examen de 40 questions et une attestation vérifiable.
📄️ 1. Formuler un problème supervisé
Module 1 du cours premium Apprentissage supervisé : distinguer régression et classification, définir la cible et les variables, et construire un jeu de données honnête avant même de choisir un modèle.
📄️ 2. Régression linéaire et régularisation
Module 2 du cours premium Apprentissage supervisé : la régression linéaire comme modèle de référence, l'interprétation des coefficients, et les régularisations Ridge et Lasso pour maîtriser la variance et sélectionner les variables.
📄️ 3. Régression logistique
Module 3 du cours premium Apprentissage supervisé : transformer un score linéaire en probabilité avec la fonction sigmoïde, comprendre la frontière de décision et le seuil, et lire les coefficients en classification.
📄️ 4. kNN et SVM
Module 4 du cours premium Apprentissage supervisé : deux approches géométriques de la classification — les k plus proches voisins (kNN) qui votent par proximité, et les SVM qui maximisent la marge, avec le kernel trick.
📄️ 5. Arbres de décision
Module 5 du cours premium Apprentissage supervisé : comprendre comment un arbre de décision découpe l'espace par questions successives, lire un arbre, et saisir pourquoi un arbre seul surapprend presque toujours.
📄️ 6. Forêts aléatoires
Module 6 du cours premium Apprentissage supervisé : comment le bagging et l'aléa des variables transforment des arbres instables en un modèle robuste, l'erreur out-of-bag, et pourquoi la forêt aléatoire est une valeur sûre du tabulaire.
📄️ 7. Amplification du gradient
Module 7 du cours premium Apprentissage supervisé : l'amplification du gradient qui construit des arbres en corrigeant les erreurs successives, XGBoost et LightGBM, et les hyperparamètres clés d'un modèle souvent champion du tabulaire.
📄️ 8. Validation croisée et fuite
Module 8 du cours premium Apprentissage supervisé : la validation croisée en k blocs pour une estimation fiable, le découpage temporel des séries, et la traque de la fuite de données qui gonfle les scores en trompe-l'œil.
📄️ 9. Métriques de classification
Module 9 du cours premium Apprentissage supervisé : pourquoi l'exactitude trompe sur les classes déséquilibrées, la matrice de confusion, précision, rappel, F1, et l'aire sous la courbe ROC pour choisir la bonne métrique.
📄️ 10. Réglage et projet
Module 10 du cours premium Apprentissage supervisé : distinguer paramètres et hyperparamètres, recherche par grille et aléatoire, réglage sans fuite, et un projet complet qui enchaîne toutes les étapes du cours.
📄️ 11. Récapitulatif et examen
Module final du cours premium Apprentissage supervisé : synthèse du parcours des modèles linéaires aux ensembles, liste de compétences, et conditions de l'examen de certification en 40 questions.