Python scripts for ANAP machine learning challenge. Details about the challenge can be found here : https://www.datascience.net/fr/challenge/28/details
To get the script working, all data files should be located in a folder name 'data', outside the ANAP challenge repository.
Python version used is 3.5
Explication visuelle du "flow github" : https://guides.github.com/introduction/flow/
Cheat Sheet about Git : https://guides.github.com/introduction/flow/
Tutorials made by GitHub (self-paced and on sign-up, all free) : https://services.github.com/training/
And AWESOME training kit : https://github.com/github/training-kit
Vous trouverez ci-joint différents pointeurs et ressources plus ou moins pragmatiques vs. théorique pour progresser par vous-même :
- http://statweb.stanford.edu/~tibs/ElemStatLearn/printings/ESLII_print10.pdf [très complet, modérément théorique]
- https://www.coursera.org/learn/machine-learning [un des moocs les plus connus du domaine]
- https://www.youtube.com/watch?v=4myTpLua0EM&list=PLZSO_6-bSqHQCIYxE3ycGLXHMjK3XV7Iz [une école d'été de 2014 très rythmée]
- http://www.amazon.com/dp/026201825X [un très bon livre sur le sujet, plus théorique que les pointeurs précédents]
Par ailleurs l’un de vous a mentionné ce livre que je ne connais pas mais qui a l’air très agréable à lire :