Cours Machine Learning et Applications aux Données Multimédias
Description
A l'issue de ce cours, l'étudiant doit être en mesure de :
- Comprendre les possibilités et les limites du Machine Learning (ML)
- Formuler son propre problème de ML
- Explorer et manipuler des données
- Construire des modèles prédictifs à partir de données d'apprentissage
- Utiliser ces modèles en production à l'aide d'APIs
- Évaluer la performance et l'impact des modèles
- Appliquer les ML pour le traitement des données multimédia
Plan du cours
Rappel: Python
Datasets: geyser.txt | mammals.csv
Chapitre 1: Introduction au Machine Learning
Chapitre 2: Frameworks de la Machine Learning
Slides: chap02-frameworks.pdf
Cachiers Jupyter: 01-weather-regression.ipynb | 02-pima-classification.ipynb
Chapitre 3: Exploration des données
Cachiers Jupyter: 01-oil-spill.ipynb | 02-MaxMin_Scalar.ipynb | 03-StandardScaler.ipynb | 04-binning.ipynb
Chapitre 4: Techniques d'évaluation
Cachiers Jupyter: 01-train-test-split.ipynb | 02-pima-classification.ipynb | 03-precision-recall-curve.ipynb | 04-roc-auc curves.ipynb
Datasets:
Chapitre 6: KNN
Chapitre 7: Decision Tree
Chapitre 8: K-means
Chapitre 10: PCA
ISSAT Kairouan:
Adresse : Route périphérique Dar El Amen 3100, Kairouan
Tél : +216 77 27 38 04/+216 77 27 37 96
Fax : +216 77 27 38 06
Email : issatkr@issatkr.rnu.tn