Avec un grand nombre de bibliothèques de machine learning (ML) bien documentées, les programmeurs peuvent simplement “faire” du machine learning sans avoir à comprendre comment les choses fonctionnent. Nous encourageons cet apprentissage automatique « boîte noire » ! (Au moins pour commencer.) Cependant, pour utiliser correctement ces bibliothèques ML, vous devez vous familiariser avec le vocabulaire de base, les concepts et le flux de travail derrière ML. Nous présenterons les types de problèmes ML standard (classification et régression) et discuterons des fonctions de prédiction, de l’extraction de caractéristiques, des algorithmes d’apprentissage, de l’évaluation des performances, de la validation croisée, du biais d’échantillon, de la non-stationnarité, du surajustement et des ajustements d’hyperparamètres. Ceux qui sont déjà familiarisés avec l’apprentissage automatique réel peuvent sauter cette conférence en toute sécurité. Accédez au cours complet.