Fondamentaux du machine learning

📋 Plan du Cours

1. Définition et objectif du machine learning
2. Données, variables et algorithmes
3. Apprentissage supervisé et non supervisé
4. Classification et régression
5. Méthodes non supervisées
6. Représentation des modèles
7. Régression linéaire et fonction de coût
8. Optimisation par descente de gradient

📖 1. Définition et objectif du machine learning

🔑 Notions clés & Définitions

• Machine learning : Arthur Samuel — Domaine d’étude qui donne aux ordinateurs la capacité d’apprendre sans être explicitement programmés.
• Apprentissage selon Mitchell : Pour Tom Mitchell, un programme apprend de l’expérience E relativement à une classe de tâches T et à une mesure de performance P si sa performance sur T, mesurée par P, s’améliore avec E.

★ À maîtriser

📌 Les problèmes de machine learning sont généralement classés en apprentissage supervisé ou en apprentissage non supervisé.

Compléments

• Dans le jeu de dames, l’expérience E correspond à de nombreuses parties jouées, la tâche T consiste à jouer aux dames et la performance P est la probabilité de gagner la partie suivante.

💡 Astuce mémo