1 - Présentation
- Historique
- Fonctionnalités
- Lien avec Numpy et Scipy
2 - Manipulation de données
- Chargement de données
- Pré-traitement de données : standardisation, transformations non linéaires, discrétisation
- Génération de données
3 - Analyse des données et classification
- Modèles : linéaires, quadratiques, descente de gradient
- Arbres décisionnels et méthodes d’ensembles
- Recherche de clusters: modélisations, algorithmes, et méthodes d’évaluation
- Réseaux de neurones
4 - Modèles d'apprentissage
- Chargement et enregistrement
- Génération de modèles
- Estimation de la performance d’un modèle
- Mesures de performance
- Modification des hyper-paramètres
- Application pratique avec les courbes d’évaluations