Algorithmes d’apprentissage

CSI4506 Introduction à l’intelligence artificielle

Préparer

• Tutoriel sur les notebooks Jupyter et Google Colab pour CSI4506

Participer

• Présentation (PDF, notebook Jupyter)

Pratiquer

Aléatoire et reproductibilité

• Le rôle de l’aléatoire dans l’apprentissage automatique (notebook Jupyter)

Classificateurs construits à partir des principes fondamentaux

• Construire un classificateur par arbre de décision (notebook Jupyter, ouvrir dans Colab)
• Construire un classificateur des k plus proches voisins (notebook Jupyter, ouvrir dans Colab)

Python et jeux de données

Si vous ne connaissez pas encore numpy et pandas, explorez ces tutoriels à votre rythme au cours des prochaines semaines. Les notebooks d’Aurélien Géron présentent des outils essentiels à l’apprentissage automatique.

• numpy — bibliothèque fondamentale centrée sur les tableaux à N dimensions.
• pandas — outils d’analyse de données centrés sur le DataFrame.
• visualisation — utilisation de matplotlib pour produire des graphiques.

Dans les semaines à venir, vous pourrez appliquer les concepts étudiés en classe à différents jeux de données afin de développer vos compétences et votre intuition. Les sites suivants proposent des jeux de données pertinents.

Jeux de données de petite à moyenne taille, très adaptés aux étudiants

• UCI Machine Learning Repository
• Petits jeux de données de scikit-learn

Jeux de données plus importants

• OpenML, s’intègre directement avec scikit-learn
• PMLB (Penn Machine Learning Benchmarks)

Compétition(s)

• Jeux de données Kaggle
  • Kaggle, une plateforme de Google, est une communauté destinée aux spécialistes des données et de l’apprentissage automatique. Elle permet de participer à des compétitions, de collaborer à des projets, d’accéder à de nombreux jeux de données et de construire des modèles à l’aide d’outils Web.