Sessions

- Concepts avancés d’apprentissage automatique
1. Ajustement avec les paramètres Hyper
2. Algorithmes ML populaires, clustering, classification et régression,
3. upervisé vs non supervisé. Choix du ML
- Forêt aléatoire
1. Théorie de l’ensemble, accord de la forêt aléatoire
- Machine à vecteurs de support (Support Vector Machine :SVM)
1. Régression linéaire simple et multiple, KNN
- Traitement du langage naturel (Natural Language Processing :NLP)

Text Processing with Vectorization, Sentiment analysis with TextBlob,
Twitter sentiment analysis
- Classificateur Naïve Bayes
1. Naïve Bayes pour la classification des textes, l’étiquetage des nouveaux articles
- Réseau de neurones artificiels (Artificial Neural Network :ANN)
1. Réseau ANN de base pour la régression et la classification.
- Aperçu de Tensorflow et introduction à l’apprentissage profond
1. Démonstration du flux de travail Tensorflow et introduction à l’apprentissage profond