Introduction à l'apprentissage automatique : apprentissage supervisé

Cette séance de cours couvre les principes fondamentaux de l'apprentissage supervisé, y compris les concepts de classification et de régression. Il s'inscrit dans les étapes de formation et de test de l'apprentissage supervisé, expliquant comment les modèles sont optimisés et les prédictions sont faites. La séance de cours explore également des modèles linéaires, des techniques d'ajustement excessif et de régularisation. De plus, il traite des défis que pose la gestion de plusieurs dimensions et classes de sortie, ainsi que de l'importance d'ajouter la non-linéarité aux modèles. La séance de cours se termine par un aperçu des méthodes du noyau, des machines vectorielles de soutien et des limites de décision dans la classification.