📄️ Apprentissage non supervisé
Découverte de structures dans des données sans étiquettes : partitionnement, réduction de dimension et détection d'anomalies. Durée : 6h, avec des projets appliqués, un examen de 40 questions et une attestation vérifiable.
📄️ 1. Chercher sans étiquettes
Module 1 du cours premium Apprentissage non supervisé : ce que devient l'objectif quand la cible disparaît, les trois grandes familles de tâches, et la question de l'évaluation sans vérité de référence.
📄️ 2. k-moyennes
Module 2 du cours premium Apprentissage non supervisé : l'algorithme des k-moyennes étape par étape, l'inertie qu'il minimise, le rôle de k-means++ et les formes de groupes qu'il ne sait pas voir.
📄️ 3. Choisir le nombre de groupes
Module 3 du cours premium Apprentissage non supervisé : pourquoi l'inertie ne suffit pas, comment lire la méthode du coude, ce que mesure le score de silhouette et comment arbitrer avec le métier.
📄️ 4. Partitionnement hiérarchique
Module 4 du cours premium Apprentissage non supervisé : le principe agglomératif, les critères de liaison et leurs effets, et la lecture d'un dendrogramme pour choisir la coupe.
📄️ 5. DBSCAN
Module 5 du cours premium Apprentissage non supervisé : la notion de densité, les paramètres eps et min_samples, la distinction points de cœur, de bord et bruit, et le réglage par le graphe des k-distances.
📄️ 6. Analyse en composantes principales
Module 6 du cours premium Apprentissage non supervisé : ce que fait l'ACP, la lecture de la variance expliquée, le choix du nombre de composantes et l'interprétation des axes.
📄️ 7. t-SNE et UMAP
Module 7 du cours premium Apprentissage non supervisé : à quoi servent t-SNE et UMAP, le rôle de la perplexité et des voisins, et surtout ce qu'une projection ne permet jamais de conclure.
📄️ 8. Détection d'anomalies
Module 8 du cours premium Apprentissage non supervisé : définir une anomalie, les approches statistiques univariées, la forêt d'isolement, et l'évaluation quand les anomalies sont rares.
📄️ 9. Mélanges gaussiens
Module 9 du cours premium Apprentissage non supervisé : l'affectation probabiliste, la souplesse des formes de groupes, l'algorithme EM et le choix du nombre de composantes par BIC.
📄️ 10. Projet de segmentation
Module 10 du cours premium Apprentissage non supervisé : la démarche complète d'une segmentation, du cadrage au choix des variables, de la comparaison des méthodes à la caractérisation et la documentation des segments.
📄️ Récapitulation et examen
Récapitulation complète du cours premium Apprentissage non supervisé : partitionnement, réduction de dimension et détection d'anomalies module par module, puis l'examen de 40 questions.