Apprentissage supervisé : classification

1

Leçon 1: Le problème de classification

1 heure

2

Leçon 2: Régression logistique

2 heures

3

Leçon 3: k-NN : les plus proches voisins

1 heure et 30 minutes

4

Leçon 4: SVM et kernel trick

2 heures et 30 minutes

5

Leçon 5: Arbres de décision

2 heures

6

Leçon 6: Forêts aléatoires (Random Forest)

2 heures

7

Leçon 7: Gradient Boosting : XGBoost et LightGBM

2 heures et 30 minutes

8

Leçon 8: Métriques de classification : precision, recall, F1, ROC-AUC

2 heures

9

Leçon 9: Classes déséquilibrées : SMOTE et rééchantillonnage

1 heure et 30 minutes

10

Leçon 10: TP : détection de fraude bancaire

3 heures

11

Leçon 11: Synthèse classification

2 heures