📄️ Introduction
Cette première séance pose les bases indispensables à votre compréhension du Machine Learning et des frameworks que nous allons utiliser. Nous allons commencer par un tour d'horizon des concepts fondamentaux, avant de plonger dans le vif du sujet avec l'étude d'un modèle simple mais fondateur : le Perceptron. Enfin, nous installerons et découvrirons TensorFlow, l'un des frameworks de Machine Learning les plus populaires.
📄️ Introduction et Concepts Fondamentaux
Bienvenue à la première séance de ce cours ! Cette première heure sera consacrée à la mise en place des bases théoriques et pratiques nécessaires pour la suite. Nous allons explorer les concepts fondamentaux du Machine Learning, comprendre pourquoi nous utiliserons TensorFlow et Keras, et revoir brièvement l'écosystème Python qui nous servira d'outil principal.
📄️ Le Perceptron : Un Neurone Artificiel
Maintenant que nous avons posé les bases théoriques du Machine Learning et découvert l'écosystème Python, il est temps de plonger dans notre premier modèle de neurone artificiel : le Perceptron.
📄️ Descente de Gradient
Dans la partie précédente, nous avons découvert le Perceptron, un modèle simple mais instructif. Nous avons vu comment il fonctionne et quelles sont ses limitations. Cependant, nous n'avons pas encore abordé un point crucial : comment le Perceptron apprend ? Comment ajuste-t-il ses poids pour prendre les bonnes décisions ?
📄️ Manipulation et Visualisation de Données
Avant de pouvoir entraîner des modèles de Machine Learning, il est essentiel de savoir manipuler et visualiser les données. Comme nous l'avons vu précédemment, une grande partie du travail d'un Data Scientist consiste à préparer les données pour les rendre exploitables par les algorithmes.
📄️ Installation et Environnement
Maintenant que nous avons exploré les bases théoriques du Machine Learning et les outils de manipulation et de visualisation de données, il est temps de mettre en place notre environnement de développement.
📄️ Machine Learnia Youtube
Machine Learnia