Tutoriel sur l'apprentissage automatique

Apprenez les rouages de l'augmentation du gradient en détail sans trop de casse-tête mathématique et comment régler les hyperparamètres de l'algorithme.

Plongez dans les perceptrons multicouches. Découvrez les secrets des MLP dans l'apprentissage automatique pour la reconnaissance des formes, la classification et la prédiction.

Exploitez les données non structurées grâce à la modélisation thématique. Explorez les concepts de base, les techniques telles que LSA et LDA, les exemples pratiques, et plus encore.

Découvrir des motifs cachés en Python avec l'extraction de règles d'association (Association Rule Mining)

Cet article explique comment et quand utiliser la classification par k-voisins les plus proches avec scikit-learn. L'accent est mis sur les concepts, le déroulement des opérations et les exemples. Nous abordons également les mesures de distance et la manière de sélectionner la meilleure valeur pour k à l'aide de la validation croisée.

Découvrez les techniques, les applications et les outils d'augmentation des données grâce à un tutoriel sur TensorFlow et Keras.

Ce tutoriel couvre le stemming et la lemmatisation d'un point de vue pratique en utilisant le package Python Natural Language ToolKit (NLTK).

Apprenez ce qu'est le k-means et découvrez pourquoi c'est l'un des algorithmes de clustering les plus utilisés en science des données.

Dans ce tutoriel, apprenez à appliquer le clustering k-Means avec scikit-learn en Python

Découvrez les techniques de régression lasso et ridge. Comparez et analysez les méthodes en détail.

Découvrez la régression logistique, ses propriétés de base, et construisez un modèle d'apprentissage automatique sur une application réelle en Python à l'aide de scikit-learn.

Découvrez la puissance de XGBoost, l'un des frameworks d'apprentissage automatique les plus populaires parmi les data scientists, avec ce tutoriel pas à pas en Python.