Apprentissage sans supervision : regroupement et réduction de dimensionnalité

Cette séance de cours couvre les principes fondamentaux de l'apprentissage non supervisé, en mettant l'accent sur le regroupement avec les moyennes K et la réduction de dimensionnalité à l'aide de l'analyse des composantes principales (APC). Il explique comment l'apprentissage non supervisé identifie les modèles dans les données sans étiquettes prédéfinies. L'instructeur discute de l'algorithme des moyennes K pour le regroupement des points de données en fonction de la proximité et de l'APC pour trouver un nouvel ensemble de fonctionnalités qui représentent le mieux les données. La séance de cours présente également les autoencodeurs comme des réseaux neuronaux pour la réduction de dimensionnalité. Des exemples pratiques et des applications sont fournis pour illustrer les concepts.