Machine Learning

Le Machine Learning (apprentissage automatique), est un domaine de l’intelligence artificielle pemettant aux machines d’apprendre et de faire des prédictions ou des décisions sans être explicitement programmés pour chaque tâche spécifique. Plutôt que de suivre une série d’instructions prédéfinies, ces modèles “apprennent” à partir de données et utilisent des algorithmes pour identifier des patterns et en tirer des conclusions.

Les phénomènes étudiés en Machine Learning peuvent être considérés comme des systèmes qui, en fonction du contexte de leur environnement, présentent un comportement particulier en vue de certains événements.

Projets

Apprentissage supervisé

1. Prédire le score de dépenses
2. Prédire la qualité
3. Prédire le courrier iindésirable
4. Prédire l'immobiliere à Melbourne
5. Prédire le prix des maisons
6. Prédire le prix des logements en Californie
7. Prédire les malidies cardiaques
8. Prédire la survie dans le Titanic
9. Système de recommandation de films
10. Prédire le diabète
11. Prédire la maladie de Parkinson
12. Reconnaitre les chiffres manuscrits MNIST
13. Le vaisseau spacial Titanic
14. Prédire le prix de l'action Tesla
15. Prédire les performances des étudiants

Apprentissage semi-supervisé

1. Netflix

Apprentissage non supervisé

1. Segmenter les données d’iris
2. Segmenter de la clientèle d'un centre commercial
3. Analyse et clustering non supervisé 👉 KMeans, DBSCAN et PCA
4. Algorithme Apriori
5. Modélisation thématique avec LDA (Latent Dirichlet Allocation)
6. Réduire la dimensionnalité par t-SNE et UMAP
7. Détection d'anomalies 👉 Isolation Forest & Local Outlier Factor (LOF)
8. Estimer de la densité de noyau (KDE)
9. Segmentater par le clustering hiérarchique

🔗 Disciplines connexes

Business Intelligence
Data Science
Intelligence artificielle