Please enable JavaScript.
Coggle requires JavaScript to display documents.
1.Données, Tensor Flow (library python) for deep learning, Sci kit learn…
1.Données
Pretraitement
1.Exploration, valeur manquant (imputation ou on le retires), outliers (boxplot, distribution).
2.Feature selection, feature engineering, scaling
- Analyse de l'erreur: fait des k means , des ACP pourvoir pourquoi le modele les a mal classees
Tensor Flow (library python) for deep learning, Sci kit learn for machine learnig
-
-
-
2.Apprentissage
Type d'apprentissage
Non supervisé: clustering, ACP, tSNE
-
Apprendre c'est trouver l'erreur la plus petite, à traver l'optimisation (descent du gradient, moindre carre, gridsearch comme halving gridsearch)
-
-
-
-
-
Analyse des données sequentielles: texte, musique...give an image of a ball, can u predict where it goes next?
-
-
-
feature selection sert a reduire la dimensionalite pour eviter les chances de overfitting, pour enlever les variables pas informatives
-
- charge des donnees. 2.definir le model.3.definir les couches de pretraitement.4.couches specifiques (drop out) qui s'appliquent aussi à les couches d'avant. 5.model.summary pour voir ou on est.
-
-
Computer vision: le reseau de neurons doit detecter les proprietes de l'image. Algo: Fully Connected Neural Network qui se base sur la convolution