or
Cette activité fait partie du cours
Dans le premier chapitre de ce cours, vous effectuerez toutes les étapes de prétraitement nécessaires pour créer un modèle prédictif de machine learning, y compris la gestion des valeurs manquantes, des valeurs aberrantes et la normalisation de votre jeu de données.
Dans le deuxième chapitre, vous pratiquerez plusieurs aspects des techniques d'apprentissage supervisé, comme la sélection de l'ensemble optimal de caractéristiques, la régularisation pour éviter le surapprentissage, l'ingénierie des caractéristiques et les modèles d'ensemble pour gérer le compromis biais-variance.
Dans le troisième chapitre, vous utiliserez l'apprentissage non supervisé pour appliquer des techniques d'extraction de caractéristiques et de visualisation pour la réduction de dimension, ainsi que des méthodes de regroupement afin de choisir non seulement l'algorithme de regroupement approprié, mais aussi le nombre optimal de groupes pour un jeu de données.
Dans le quatrième et dernier chapitre, vous passerez à la vitesse supérieure et appliquerez le bootstrap et la validation croisée pour évaluer la performance en généralisation de modèle, des techniques de rééchantillonnage pour des classes déséquilibrées, détecterez et éliminerez la multicolinéarité, et bâtirez un modèle d'ensemble.
Exercice en cours