:orphan: |rss_image| **2019-03 - 1/1** :ref:`Blog ` :ref:`session (28) ` .. |rss_image| image:: feed-icon-16x16.png :target: ../_downloads/rss.xml :alt: RSS ---- .. index:: 2019-03 .. _ap-month-2019-03-0: 2019-03 - 1/1 +++++++++++++ .. blogpostagg:: :title: Session 5 :date: 2019-03-08 :keywords: session 5 :categories: session :rawfile: 2019/2019-03-08_sessions5.rst L'objectif de la séance est de passer du temps sur des jeux de données. Le premier jeu, `Titanic `_ (**jeu 1**), contient des informations sur près de 900 passagers du Titanic. On souhaite prédire la probabilité qu'une personne n'ait pas survécu au naufrage. Le fait d'obtenir un modèle performant n'est pas nécessairement ce qui est recherché ici psuique l'information est déjà connue mais plutôt ce que le modèle peut nous apprendre en terme d'équité sociale face à la mort. Ce jeu est intéressant dans la mesure où les variables sont de types variés. ... .. blogpostagg:: :title: Session 4 :date: 2019-03-01 :keywords: session 4 :categories: session :rawfile: 2019/2019-03-01_sessions4.rst * :ref:`l-cheatsheet-ml` * `clustering `_, `k-means `_ un exemple avec les `vélos à Chicago `_ et l'utilisation du clustering pour trouver les `profils de cyclistes à Chicago `_ *deep learning* * `Réseaux de neurones avec pytorch `_ * `Transfer Learning avec pytorch `_ ou `Transfer Learning avec keras `_ * :ref:`l-gan` *Liens* * `Découverte du deep learning `_ * `Deep Learning course: lecture slides and lab notebooks `_ (`Master DataScience `_ - `Paris Saclay `_) ---- |rss_image| **2019-03 - 1/1** :ref:`2022-01 (1) ` :ref:`2022-02 (4) ` :ref:`2022-09 (1) ` :ref:`2023-01 (2) ` :ref:`2023-02 (3) `