Créer des modèles Machine Learning classiques avec un apprentissage supervisé
L’apprentissage supervisé est une forme de machine learning où un algorithme apprend à partir d’exemples de données. Nous dessinons progressivement une image de la façon dont l’apprentissage supervisé génère automatiquement un modèle qui peut faire des prédictions sur le monde réel. Nous parlons également de la façon dont ces modèles sont testés et des difficultés qui peuvent survenir lors de leur entraînement.
Objectifs d’apprentissage
Dans ce module, vous allez :
- Définir l’apprentissage supervisé et non supervisé.
- Explorer comment les fonctions de coût impactent le processus d’entraînement.
- Découvrez comment optimiser les modèles en utilisant la descente de gradient.
- Expérimenter des taux d’apprentissage et voir leur impact possible sur l’entraînement.
Prérequis
Une connaissance de base des entrées, des sorties et des modèles