Introduction to Machine Learning
Ce cours donne une rapide introduction sur le Machine Learning avec Python
Rapide introduction à Python : ici, ici, ici et plus étoffé ici. Une introduction en video est ici.
Leçon 2 : Science des données et visualisation : slides et code
Leçon 3 : Pandas et Exploratory Data Analysis slides et code
Leçon 4 : Régression slides
Leçon 8 et 9 : Exploratory Data Analysis (suite !) slides
Leçon 10 : Régression logistique slides et LAB (survolé en cours lors de la leçon 12 car abordé dans des cours antérieurs)
Leçon 11 : Régression logistique 2 slides et LAB (survolé en cours lors de la leçon 12 car abordé dans des cours antérieurs)
Leçon 12 : Réseaux de neurones profonds : slides (première partie), slides (deuxième partie) + slides (troisième partie plus technique, pas faite en classe), slides (quatrième partie plus technique, pas faite en classe) + LAB (réseaux de neurones sous Keras) et LAB (concepts avancés, régularisation etc).
Leçon 13 : Réseaux de neurones récurents : slides (première partie), slides (deuxième partie) et application en analyse de données textuelles.
Exercices d'entrainement: 1ère partie, 2ième partie, 3ième partie, 4ième partie.
Projet : Pour ce projet, il est demandé de refaire les expériences décrites dans les deux documents suivant à partir d'un nouveau dataset de votre choix et commenter les résultats de chaque expérience
L'évaluation sera faire sur la base d'un rapport sur les résultats d'expériences sous la forme de deux notebooks.
Des point supplémentaires pourront être données pour les étudiants qui souhaitent étudier les performance sur des données de finance avec un réseau de neurone TFT comme proposé ici. Me contacter si vous êtes intéressé.