Machine Learning dans le tidyverse

« Welcome to the tidyverse. » Dans ce cours, vous poursuivrez votre apprentissage du tidyverse et appliquerez vos connaissances aux concepts de machine learning.

Ce cours est idéal si vous souhaitez intégrer les outils Tidyverse de R à vos workflows de machine learning.

Évaluer les modèles de machine learning

Tout au long de ce cours, vous vous concentrerez sur l’utilisation des outils tidyverse dans R pour construire, explorer et évaluer efficacement des modèles de machine learning.

Le cours commence par présenter le flux de travail de colonne de liste (LCW), une méthode permettant de gérer plusieurs modèles au sein d’un seul dataframe. Il couvre également l’utilisation du package broom pour nettoyer et explorer les sorties du modèle, rendant les résultats complexes plus interprétables.

Utiliser tidyr et purrr

Travaillez sur des exercices pratiques, notamment la création et l’évaluation de modèles de régression ainsi que de classification. Explorez les techniques de réglage des hyperparamètres pour optimiser les performances du modèle.

Vous utiliserez des packages comme tidyr et purrr pour gérer des manipulations de données complexes et des évaluations de modèles, afin d’adopter une approche rigoureuse et systématique du machine learning.

Développez des compétences concrètes applicables en situation réelle

Explorez des exemples concrets à travers plusieurs études de cas, comme l’utilisation du jeu de données gapminder pour prédire l’espérance de vie avec des modèles linéaires.

À la fin du cours, vous aurez de solides bases pour appliquer les principes du Tidyverse au machine learning, ce qui vous permettra de créer, d’ajuster et d’évaluer des modèles efficacement, de manière structurée et reproductible.