Algorithmes d'apprentissage supervisé, non-supervisé et par renforcement
Découvrez comment Netflix, Spotify et Amazon construisent leurs moteurs de recommandation. De la factorisation matricielle aux two-tower models, maîtrisez les algorithmes et les métriques.
Apprenez à modéliser et prévoir des séries temporelles avec ARIMA, Prophet et XGBoost. Maîtrisez la validation temporelle correcte et les métriques adaptées.
Maîtrisez les algorithmes classiques les plus puissants du ML : SVM avec kernel trick, arbres de décision et Random Forest. Comprendre quand ces modèles battent le Deep Learning.
Vidéo d'introduction au Machine Learning posant les bases du fonctionnement.
Apprenez à nettoyer, explorer et transformer vos données avant de les donner à un modèle : Pandas, visualisation et bonnes pratiques.
Passez du notebook à la production : API de serving, conteneurisation Docker, pipelines CI/CD et monitoring de drift.
Maîtrisez le feature engineering, les méthodes d'ensemble (XGBoost, Random Forest) et découvrez les bases des réseaux de neurones.
Explorez JAX vs PyTorch, le Retrieval Augmented Generation (RAG), les embeddings vectoriels et l'alignement avancé avec DPO.
Découvrez les fondamentaux du Machine Learning : régression linéaire, classification KNN, clustering K-Means et les bonnes pratiques pour évaluer vos modèles.