Séminaire
Session 5 : ML : apprentissage supervisé, classifications
Module LOGICIELS métiers et dématérialisation
Tout sur les techniques de classification
De nombreuses méthodes sont concernées : régression linéaire, SVM (Support Vector Machines), régression logistique, Naive Bayes (algorithme « naïf » de Bayes), Analyse Discriminante Linéaire, arbres de décision, algorithme des plus proches voisins (K-Nearest Neighbor algorithm). Nous sommes ici au cœur du sujet et chaque technique sera présentée avec un exemple précis. Nous nous ferons aider par les moyens visuels adéquats, car il faut impérativement avoir une idée claire de ce que fait chacun de ces algorithmes, de manière à y recourir lorsque le besoin s’en fera sentir, à travers une API.
De nombreuses méthodes sont concernées : régression linéaire, SVM (Support Vector Machines), régression logistique, Naive Bayes (algorithme « naïf » de Bayes), Analyse Discriminante Linéaire, arbres de décision, algorithme des plus proches voisins (K-Nearest Neighbor algorithm). Nous sommes ici au cœur du sujet et chaque technique sera présentée avec un exemple précis. Nous nous ferons aider par les moyens visuels adéquats, car il faut impérativement avoir une idée claire de ce que fait chacun de ces algorithmes, de manière à y recourir lorsque le besoin s’en fera sentir, à travers une API.
15-09-2020
Claude Marson
(France)
14h30
Terminé
Plus de meetings
Webinaire
L’échec de la modélisation
Module Architectures applicatives et développement d’APPLICATIONSPensez avant de coder. C'est ce que nous disaient nos enseignants à l'époque de nos premières armes en programmation. Et ils ajoutaient que l'on pouvait se ...
Abonnez-vous
- Suivez LeMarson en direct
- Accédez à des centaines de dossiers et d'articles
- Visionnez des dizaines d'heures de formations vidéos
- Téléchargez le Livre des tendances de l'année
Annuel