Openskillroom

Ce que vous apprendrez ?

Interpréter et visualiser les résultats des algorithmes de clustering et de classification afin d'extraire des informations pertinentes et de tirer des conclusions significatives.
Décrire et appliquer des techniques de prétraitement des données (nettoyage, transformation, réduction de dimensionnalité) pour améliorer la performance des algorithmes de clustering et de classification.
Sélectionner et justifier le choix d'un algorithme de clustering ou de classification adapté à un problème spécifique, en tenant compte des caractéristiques des données et des objectifs de l'analyse.
Implémenter et évaluer au moins trois algorithmes de classification (SVM, arbres de décision, réseaux de neurones) en utilisant des métriques appropriées (précision, rappel, F1-score).
Comparer et contraster au moins cinq algorithmes de clustering différents (K-means, hiérarchique, DBSCAN, etc.) en fonction de leurs performances sur des jeux de données variés.

Prérequis

Notions fondamentales en statistiques et probabilités Bases en programmation Python et manipulation de données (Pandas, NumPy, Scikit-learn) Compréhension des concepts de Data Mining et d’apprentissage automatique (Machine Learning) Familiarité avec les algorithmes de clustering (K-Means, DBSCAN, Agglomératif) et de classification (SVM, Random Forest, Réseaux de Neurones, etc.) Expérience en visualisation et interprétation des résultats (Matplotlib, Seaborn, Power BI, Tableau, etc.)

Contenu de la Formation

Total: 20 Chapitres Total hours: 6-12

Définition et objectifs du clustering
Distances et similarités
Algorithmes de clustering partitionnels (K-means)
Evaluation des performances de clustering

Clustering hiérarchique agglomératif et divisif
Dendrogrammes et choix du nombre de clusters
Algorithmes de clustering basés sur la densité (DBSCAN)
Comparaison des différentes approches de clustering

Définition et objectifs de la classification
Métriques d'évaluation de la classification
Classification supervisée vs non supervisée
Introduction aux arbres de décision

Construction et interprétation des arbres de décision
Techniques de régularisation (élagage)
Introduction aux forêts aléatoires (Random Forest)
Avantages et inconvénients des forêts aléatoires

Introduction aux SVM
Noyaux et hyperparamètres des SVM
Evaluation des modèles de classification (précision, rappel, F1-score)
Courbe ROC et AUC

À TÉLÉCHARGER

À propos de l'instructeur

0 Instructor Avis
3 Avis
62 Cours
Voir tous les cours.

IDRISSI

nouhaila.idrissi@openskillroom.com

Nouhaila IDRISSI est Maître de conférences en Informatique et en Intelligence Artificielle. Après avoir terminé ses études à l’ENSIAS, elle a obtenu un doctorat en informatique et en apprentissage profond de l’École Mohammadia d'ingénieurs (EMI). Notre formatrice dispose de compétences pluridisciplinaires et complémentaires en IA, Big Data, Machine Learning, Deep Learning, NLP, Data Warehousing, BI et Cloud computing. Parallèlement à ses activités académiques, Dr IDRISSI est une collaboratrice active dans le milieu industriel, contribuant à combler le fossé entre la recherche académique et les applications du monde réel.

Voir plus Voir Moins

Retour des Apprenants

(0) Évaluation du cours

5 stars

0.00%

4 stars

0.00%

3 stars

0.00%

2 stars

0.00%

1 stars

0.00%

Avis

Pour ajouter un avis sur le cours, vous devez d'abord vous connecter. Connectez-vous ici

Aperçu de ce cours

2730 DH 35% off

4 days Restant à ce prix !

Caractéristiques du cours

Durée 6-12 hour
Language Français
Niveau de compétence.
CertificateNon
Nombre maximum d'inscrits
Type de formation

Cours connexes

Ce que vous apprendrez ?

Prérequis

Contenu de la Formation

À TÉLÉCHARGER

À propos de l'instructeur

IDRISSI

Retour des Apprenants

Avis

Caractéristiques du cours

Cours connexes

Comment définir des analyseurs dans Elasticsearch ?

Comment créer des dashboards interactifs dans Kibana ?

Comment créer des analyseurs personnalisés dans Elasticsearch ?

Maîtrisez la gestion des flux de données en temps réel avec Kafka

Créer et Automatiser vos workflows de données comme un pro avec KNIME

Devenir enseignant, Partagez vos connaissances

Entreprise

Formation

Autre

Clustering et Classification Avancée en Data Mining avec Python

Ce que vous apprendrez ?

Prérequis

Contenu de la Formation

À TÉLÉCHARGER

À propos de l'instructeur

Retour des Apprenants

Avis

Caractéristiques du cours

Cours connexes

Plus de cours par IDRISSI

Avancé

Avancé

Avancé

Avancé

Devenir enseignant, Partagez vos connaissances

Entreprise

Formation

Autre