Étude de cas - Prévoir les prix des logements Dans notre première étude de cas, qui porte sur la prévision des prix des logements, vous allez créer des modèles qui prédisent une valeur continue (le prix) à partir de caractéristiques d'entrée (superficie, nombre de chambres et de salles de bains,...). Ce n'est là qu'un des nombreux domaines d'application de la régression. D'autres applications vont de la prédiction des résultats de santé en médecine, du cours des actions en finance, de l'utilisation de la puissance dans les ordinateurs à haute performance, à l'analyse des régulateurs importants pour l'expression des gènes. Dans ce cours, vous explorerez les modèles de régression linéaire régularisée pour les tâches de prédiction et de sélection des caractéristiques. Vous serez en mesure de traiter de très grands ensembles de caractéristiques et de choisir entre des modèles de complexité variable. Vous analyserez également l'impact de certains aspects de vos données - tels que les valeurs aberrantes - sur les modèles et les prédictions que vous aurez sélectionnés. Pour ajuster ces modèles, vous mettrez en œuvre des algorithmes d'optimisation qui s'adaptent aux grands ensembles de données. Objectifs pédagogiques : A la fin de ce cours, vous serez capable de : -Décrire l'entrée et la sortie d'un modèle de régression -Comparer et opposer le biais et la variance lors de la modélisation des données -Estimer les paramètres du modèle en utilisant des algorithmes d'optimisation -Ajuster les paramètres avec la validation croisée -Analyser la performance du modèle -Décrire la notion de rareté et comment LASSO conduit à des solutions rares -Déployer des méthodes pour sélectionner entre les modèles -Exploiter le modèle pour former des prédictions.

-Construire un modèle de régression pour prédire les prix à l'aide d'un ensemble de données sur le logement -Mettre en œuvre ces techniques en Python.

Études de cas : Analyse des sentiments et prédiction des défauts de paiement Dans notre étude de cas sur l'analyse des sentiments, vous créerez des modèles qui prédisent une classe (sentiment positif/négatif) à partir de caractéristiques d'entrée (texte des avis, informations sur le profil de l'utilisateur,...). Dans notre deuxième étude de cas pour ce cours, la prédiction de défaut de paiement, vous allez traiter des données financières, et prédire quand un prêt est susceptible d'être risqué ou sûr pour la banque. Ces tâches sont des exemples de classification, l'un des domaines les plus utilisés de l'apprentissage automatique, avec un large éventail d'applications, y compris le ciblage publicitaire, la détection de spam, le diagnostic médical et la classification d'images.

Dans ce cours, vous créerez des classificateurs qui fournissent des performances de pointe dans une variété de tâches. Vous vous familiariserez avec les techniques les plus performantes et les plus utilisées dans la pratique, notamment la régression logistique, les arbres de décision et le boosting. En outre, vous serez en mesure de concevoir et d'implémenter les algorithmes sous-jacents qui peuvent apprendre ces modèles à grande échelle, en utilisant l'ascension stochastique du gradient. Vous mettrez en œuvre ces techniques sur des tâches réelles d'apprentissage automatique à grande échelle. Vous aborderez également des tâches importantes auxquelles vous serez confrontés dans les applications réelles de l'apprentissage automatique, y compris la gestion des données manquantes et la mesure de la précision et du rappel pour évaluer un classificateur. Ce cours est pratique, plein d'action et rempli de visualisations et d'illustrations de la façon dont ces techniques se comportent sur des données réelles. Nous avons également inclus du contenu optionnel dans chaque module, couvrant des sujets avancés pour ceux qui veulent aller encore plus loin ! Objectifs d'apprentissage : A la fin de ce cours, vous serez capable de : -Décrire l'entrée et la sortie d'un modèle de classification -Traiter les problèmes de classification binaire et multiclasse -Mettre en œuvre un modèle de régression logistique pour la classification à grande échelle -Créer un modèle non linéaire à l'aide d'une décision d'un expert -Mettre en œuvre un modèle de régression logistique pour la classification à grande échelle. -Créer un modèle non linéaire à l'aide d'arbres de décision -Améliorer les performances de n'importe quel modèle à l'aide du boosting -Mettre à l'échelle vos méthodes à l'aide de l'ascension stochastique du gradient -Décrire les limites de décision sous-jacentes. -Construire un modèle de classification pour prédire le sentiment dans un ensemble de données d'évaluation de produits. -Analyser des données financières pour prédire les défauts de paiement -Utiliser des techniques pour traiter les données manquantes -Evaluer vos modèles en utilisant des métriques de précision-rappel -Mettre en œuvre ces techniques en Python (ou dans le langage de votre choix, bien que Python soit fortement recommandé).

Études de cas : Recherche de documents similaires Un lecteur s'intéresse à un article de presse spécifique et vous souhaitez trouver des articles similaires à lui recommander. Quelle est la bonne notion de similarité ? En outre, que se passe-t-il s'il existe des millions d'autres documents ? Chaque fois que vous souhaitez récupérer un nouveau document, devez-vous effectuer une recherche dans tous les autres documents ? Comment regrouper les documents similaires ? Comment découvrir de nouveaux sujets émergents couverts par les documents ?

Dans cette troisième étude de cas, la recherche de documents similaires, vous examinerez les algorithmes de recherche basés sur la similarité. Dans ce cours, vous examinerez également les représentations structurées pour décrire les documents du corpus, y compris les modèles de regroupement et d'appartenance mixte, tels que l'allocation de Dirichlet latente (LDA). Vous mettrez en œuvre la maximisation de l'espérance (EM) pour apprendre les regroupements de documents, et verrez comment mettre à l'échelle les méthodes en utilisant MapReduce. Objectifs pédagogiques : A la fin de ce cours, vous serez capable de : -Créer un système de recherche de documents en utilisant les k-voisins les plus proches -Identifier les différentes métriques de similarité pour les données textuelles -Réduire les calculs dans la recherche des k-voisins les plus proches en utilisant les KD-trees -Produire les plus proches voisins approximatifs en utilisant le hachage sensible à la localité -Comparer et contraster les tâches d'apprentissage supervisé et non supervisé -Cluster les documents par sujet en utilisant les k-moyens -Décrire comment paralléliser les k-moyens en utilisant MapReduce -Examiner les approches probabilistes de la recherche de documents en utilisant les KD-trees -Décrire comment paralléliser les k-moyens en utilisant MapReduce. -Examiner les approches de clustering probabiliste utilisant des modèles de mélanges -Affecter un mélange de modèles gaussiens en utilisant la maximisation de l'espérance (EM) -Exécuter une modélisation d'appartenance mixte en utilisant l'allocation latente de Dirichlet (LDA) -Décrire les étapes d'un échantillonneur de Gibbs et comment utiliser sa sortie pour tirer des inférences -Comparer et contraster les techniques d'initialisation pour les objectifs d'optimisation non-convexes -Implémenter ces techniques en Python.