Machine Learning Tutorial

Dans ce tutoriel, vous apprendrez à extraire des données du web, à manipuler et nettoyer des données à l'aide de la bibliothèque Pandas de Python, et à visualiser des données à l'aide de la bibliothèque Matplotlib de Python.

Dans ce tutoriel, vous apprendrez à mettre en œuvre des réseaux de neurones convolutifs (CNN) en Python avec Keras, et à surmonter l'overfitting avec le dropout.

Découvrez le modèle d'apprentissage profond le plus populaire, le RNN, et bénéficiez d'une expérience pratique en construisant un prédicteur du cours de l'action MasterCard.

Apprenez les principes de base des MLOps ainsi que le développement et le déploiement de bout en bout des pipelines de ML.

Un guide détaillé sur la prévision des séries temporelles. Apprenez à utiliser Python et les frameworks qui l'accompagnent. Renseignez-vous sur la modélisation statistique.

Apprenez à prédire le vainqueur de l'élection présidentielle américaine de 2024 à l'aide de Python, de l'apprentissage automatique et des données de FiveThirtyEight et de la Commission électorale fédérale.

Comprendre les bases de l'apprentissage par renforcement (RL) et explorer le progiciel Gymnasium pour construire et tester des algorithmes RL en utilisant Python.

Comprenez les concepts fondamentaux des cartes auto-organisatrices et apprenez à les mettre en œuvre en Python à l'aide de MiniSom.

Apprenez à mettre en place et à configurer la base de données MySQL dans les conteneurs Docker. Le tutoriel comprend des concepts tels que la connexion aux serveurs MySQL, l'exécution de clients MySQL pour se connecter aux conteneurs, etc.

Plongez dans l'IA explicable (XAI) et apprenez comment instaurer la confiance dans les systèmes d'IA avec LIME et SHAP pour l'interprétabilité des modèles. Comprendre l'importance de la transparence et de l'équité dans les décisions prises par l'IA.

Découvrez la puissance de Mamba LLM, une architecture transformatrice issue d'universités de premier plan, qui redéfinit le traitement des séquences dans l'IA.

Explorez l'importance de la normalisation, une étape essentielle du prétraitement des données qui garantit l'uniformité des grandeurs numériques des caractéristiques.