Bienvenue à la deuxième semaine du cours ! Au cours de cette semaine, vous apprendrez tout sur les algorithmes de régression, l'autre facette de l'apprentissage supervisé. Nous vous présenterons l'idée de trouver des lignes, des critères d'optimisation et tous les problèmes associés. Grâce à la régression, nous verrons les interactions entre la complexité du modèle et la précision, et vous aurez un premier aperçu de la façon dont la régression et la classification peuvent être liées.

Cette semaine, nous allons nous plonger directement dans l'utilisation de la régression pour la classification. Nous décrirons tous les éléments fondamentaux qui composent les algorithmes de machine à vecteur de support, afin que vous puissiez comprendre comment de nombreux algorithmes d'apprentissage automatique apparemment sans rapport les uns avec les autres s'articulent. Nous vous présenterons la régression logistique, les réseaux neuronaux et les machines à vecteurs de support, et nous vous montrerons comment mettre en œuvre deux d'entre eux.

À la fin du cours, nous allons voir comment savoir si votre modèle est réellement performant et ce que vous pouvez faire pour l'améliorer encore. Nous passerons en revue les questions d'évaluation propres à la régression et à la classification, et nous présenterons d'autres outils qui vous aideront réellement à analyser les performances de votre modèle. Les sujets abordés cette semaine visent à vous donner confiance dans vos modèles, afin que vous soyez prêt à exploiter la puissance de l'apprentissage automatique pour atteindre vos objectifs commerciaux.