Objectif
Comprendre les principales tâches de data mining et comment ils peuvent être abordés par les différents algorithmes de data mining,
Comprendre le fonctionnement interne des algorithmes de data mining et sous quelles conditions ils devraient être utilisés,
Apprendre à construire des workflows complexes de data mining et des processus et comment les évaluer
Descriptif
Introduction au data mining
L'apprentissage supervisé, classification (logistic regression), régression (ridge, lasso).
Techniques d'évaluation et d'expérimentation (cross-validation, boostrap)
Techniques avancées d'apprentissage supervisé (SMVs, apprentissage de metric)
Réduction des données (PCA, MDS, KERNEL PCA, ISOMAP)
L'apprentissage non supervisé (association, clustering ou regroupement des données)