Dans ce module, nous approfondissons le concept de clustering, une technique fondamentale dans l'analyse des données et l'Apprentissage automatique. Le clustering consiste à regrouper un ensemble d'objets de manière à ce que les objets d'un même groupe (ou cluster) soient plus similaires les uns aux autres que ceux des autres groupes. Ce module propose une exploration complète du clustering, y compris ses différentes dérivations, telles que le clustering hiérarchique et les K-moyennes.

La régression est une technique de base de l'apprentissage automatique, en particulier lorsqu'on travaille avec des variables continues, et elle est essentielle pour modéliser les relations entre les variables et prédire les résultats. Dans ce module, nous explorerons les principes fondamentaux de la régression, en nous concentrant sur la régression linéaire.

Dans ce module, nous allons explorer les techniques de classification, un aspect essentiel de l'apprentissage supervisé dans l'apprentissage automatique. La classification est le processus d'attribution d'étiquettes aux données en entrée en fonction de leurs caractéristiques, et elle est largement utilisée pour des tâches telles que la détection de spam, le diagnostic médical et la reconnaissance d'images. Tout au long de ce module, nous explorerons plusieurs méthodes de classification clés, notamment la Régression logistique, les Forêts d'arbres décisionnels, les Forêts aléatoires et les Machines vecteurs à support (SVM). Chacune de ces techniques offre des atouts uniques et est adaptée à différents types de données et contextes de problèmes. À la fin de ce module, vous aurez une compréhension approfondie du fonctionnement de ces algorithmes de classification, de leur mise en œuvre et de la manière de choisir la bonne méthode pour vos défis spécifiques en matière d'apprentissage supervisé.

Ce dernier module se penche sur les réseaux neurones et leur application aux données climatiques, principalement avec différentes fonctions d'activation, couches, neurones et structures architecturales du réseau.