Photo de Touza Isaac

Touza Isaac

Enseignant, Développeur et Doctorant en Informatique

Machine Learning

Cycle Niveau
Superieur Master 2

Objectifs ou Compétences

Objectifs généraux :

  • Apprendre les concepts et techniques fondamentaux du Machine Learning.
  • Développer des compétences pratiques en collecte, préparation, et analyse de données.
  • Comprendre et appliquer différents algorithmes de Machine Learning à divers problèmes.

Objectifs spécifiques :

  1. Introduction et Concepts de Base du Machine Learning :

    • Comprendre les définitions et l'historique du Machine Learning.
    • Apprendre les concepts clés comme les données, les caractéristiques, les étiquettes, les modèles et les algorithmes.
  2. Collecte et Préparation des Données :

    • Maîtriser les méthodes de collecte de données.
    • Nettoyer et transformer les données pour les rendre exploitables.
  3. Traitement du Langage Naturel (NLP) :

    • Apprendre les techniques de NLP comme la tokenization, le stemming et le lemmatization.
    • Utiliser des bibliothèques Python pour le NLP.
  4. Règles d’Association :

    • Comprendre et appliquer les règles d’association pour identifier les relations entre les éléments dans de grandes bases de données.
  5. Régression Linéaire et Logistique :

    • Apprendre à modéliser la relation entre les variables indépendantes et dépendantes.
    • Utiliser les techniques de régression pour prédire des valeurs continues ou binaires.
  6. Classification et Évaluation des Modèles :

    • Utiliser des algorithmes de classification pour catégoriser des données.
    • Évaluer les performances des modèles de classification.
  7. Méthodes de Clustering :

    • Apprendre les techniques de clustering pour regrouper des données similaires.
    • Utiliser des algorithmes comme K-means pour segmenter les données.
  8. Techniques d'Optimisation d’un Modèle :

    • Optimiser les modèles de Machine Learning pour améliorer leurs performances.
    • Utiliser des méthodes comme la recherche d'hyperparamètres et la validation croisée.
  9. Réseaux de Neurones et Deep Learning :

    • Comprendre les concepts de base des réseaux de neurones.
    • Appliquer les techniques de Deep Learning pour des tâches complexes.
  10. Projet Final et Conclusion :

    • Appliquer les connaissances acquises dans un projet pratique.
    • Synthétiser et présenter les résultats obtenus.

Description du Cours

Ce cours de formation en Machine Learning, organisé à Douala de mai à juin 2024, est conçu pour les étudiants, développeurs et professionnels intéressés par l'apprentissage automatique. Les participants apprendront les bases du Machine Learning, de la collecte et préparation des données jusqu'à l'optimisation des modèles et l'application de techniques avancées comme le Deep Learning. Le programme inclut des sessions pratiques, des ateliers et un projet final pour renforcer les compétences acquises.

Fichier du Cours

Télécharger le fichier du cours

Exercices