Ce module jette les bases du reste du cours en présentant les concepts fondamentaux de l'apprentissage automatique et, plus particulièrement, la manière d'effectuer de l'apprentissage automatique en utilisant Python et le module d'apprentissage automatique scikit-learn. Tout d'abord, vous découvrirez les types de base de l'apprentissage automatique. Ensuite, vous apprendrez une étape importante avant d'appliquer les algorithmes d'apprentissage automatique, le prétraitement des données. Enfin, vous apprendrez à exploiter différents types d'algorithmes d'apprentissage automatique dans un script Python.

Ce module présente trois algorithmes d'apprentissage automatique. Tout d'abord, vous apprendrez comment la régression linéaire peut être considérée comme un problème d'apprentissage automatique dont les paramètres doivent être déterminés de manière informatique en minimisant une fonction de coût. Ensuite, vous apprendrez la régression logistique. Malgré son nom, la régression logistique est un algorithme de classification. Enfin, vous apprendrez l'arbre de décision, un algorithme d'apprentissage automatique populaire qui peut être utilisé à la fois pour la classification et la régression. Ce module approfondira le concept de classification machine, où les algorithmes apprennent à partir de données existantes et étiquetées à classer de nouvelles données inédites dans des catégories spécifiques, ainsi que le concept de régression machine, où les algorithmes apprennent un modèle à partir de données pour faire des prédictions sur de nouvelles données continues inédites. Bien que ces algorithmes diffèrent tous par leurs fondements mathématiques, ils sont souvent utilisés pour classer des données numériques, textuelles et des images ou pour effectuer des régressions dans divers domaines.

Ce module présente trois autres algorithmes d'apprentissage automatique, les voisins les plus proches (k-nearest neighbors), la machine à vecteurs de support (support vector machine) et la forêt aléatoire (random forest). Tous ces algorithmes peuvent être utilisés pour des tâches de classification ou de régression.

L'évaluation des modèles fait partie intégrante de tout projet d'analyse de données. Elle permet de déterminer dans quelle mesure le modèle permettra de prédire des données futures (hors échantillon). Ce module présente les mesures d'évaluation de base des modèles pour les algorithmes d'apprentissage automatique. Tout d'abord, les mesures d'évaluation de la régression sont présentées. Ensuite, les métriques et les techniques d'évaluation de la classification sont présentées.

Ce module présente les techniques d'optimisation des modèles. Tout d'abord, les techniques de base de la sélection des caractéristiques sont présentées. Ensuite, la technique de validation croisée est introduite, qui peut fournir une évaluation plus précise des modèles. Enfin, la sélection de modèles, ou l'ajustement des hyperparamètres, qui utilise la validation croisée, est présentée.

Dans ce module, vous commencerez à appliquer vos nouvelles compétences en apprentissage automatique à un sujet passionnant d'analyse de données : L'analyse de texte. Tout d'abord, nous passerons en revue le processus par lequel les données textuelles sont converties en données numériques pouvant être traitées par un ordinateur. En parallèle, nous aborderons un certain nombre de nouveaux concepts axés sur la manipulation de ces données afin de générer de meilleures prédictions en matière d'apprentissage automatique. Ensuite, nous appliquerons les algorithmes d'apprentissage automatique, en particulier la classification, aux données textuelles. Enfin, nous explorerons les concepts plus avancés de l'analyse de texte et présenterons un type particulier de classification de texte : l'analyse des sentiments.

Ce module présente le clustering, où les points de données sont assignés à des sous-groupes de points sur la base de certaines propriétés spécifiques, telles que la distance spatiale ou la densité locale des points. Alors que les humains trouvent souvent facilement des grappes visuellement dans un ensemble de données donné, le problème est plus difficile à résoudre sur le plan informatique. Ce module commence par explorer les idées de base de cette technique d'apprentissage non supervisé. L'une des techniques de clustering les plus populaires, les K-moyennes, est présentée. Ensuite, une étude de cas sur les K-moyennes est fournie. Enfin, la technique DBSCAN basée sur la densité est présentée.

Ce module présente les données relatives à l'heure et à la date, qui offrent des possibilités d'apprentissage et des défis uniques. Tout d'abord, nous verrons comment gérer correctement les caractéristiques d'heure et de date dans un programme Python. Ensuite, nous étendrons cette discussion à la manipulation de données indexées par des informations de date et d'heure, connues sous le nom de données de séries temporelles.