Challenge Machine Learning 30 jours
Pendant le challenge, tu vas réaliser des projets simples de Machine Learning (de niveau débutant) pendant 30 jours complets.
Tu vas donc relever ce challenge avec moi, je sais que ce sera difficile et c’est là tout l’intérêt. Tu peux donc suivre les étapes de code avec moi et/ou le faire toi-même et partager tes solutions (c’est tout l’enjeu !). Chaque journée devrait amener son lot de progression…
Et n’oublie jamais, le plus important c’est la pratique !
Après ces 30 jours, tu auras une bien meilleure compréhension du Machine Learning.
Inclus pour portfolio ML :
- 15 projets d’apprentissage supervisé
- 15 projets d’apprentissage non supervisé
Contenu cours
Projets d'apprentissage supervisé
Jour 1 : Prédiction du score de dépenses des clients 🛍️
Vous n'avez actuellement pas accès à ce contenu
Jour 2 : Prédiction de la qualité du vin 🍷
Vous n'avez actuellement pas accès à ce contenu
Jour 3 : Prédiction du courrier indésirable 📩
Vous n'avez actuellement pas accès à ce contenu
Jour 4 : Prédictions immobilières à Melbourne 🏘️
Vous n'avez actuellement pas accès à ce contenu
Jour 5 : Prédiction du prix des maisons 🏠
Vous n'avez actuellement pas accès à ce contenu
Jour 6 : Prédiction des prix du logement en Californie 🗺️
Vous n'avez actuellement pas accès à ce contenu
Jour 7 : Prédiction des maladies cardiaques ❤️🩹
Vous n'avez actuellement pas accès à ce contenu
Jour 8 : Prédiction de survie dans le Titanic 🚢
Vous n'avez actuellement pas accès à ce contenu
Jour 9 : Système de recommandation de films 🎬
Vous n'avez actuellement pas accès à ce contenu
Jour 10 : Prédiction du diabète 🍫🍨🍰
Vous n'avez actuellement pas accès à ce contenu
Jour 11 : Prédiction de la maladie de Parkinson 🧠
Vous n'avez actuellement pas accès à ce contenu
Jour 12 : Reconnaissance de chiffres manuscrits MNIST ✍️🔢
Vous n'avez actuellement pas accès à ce contenu
Jour 13 : Le vaisseau spatial Titanic 🚀
Vous n'avez actuellement pas accès à ce contenu
Jour 14 : Prédiction du prix de l’action Tesla 🚘🔋
Vous n'avez actuellement pas accès à ce contenu
Jour 15 : Prédiction de la performance des élèves 🧑🎓
Vous n'avez actuellement pas accès à ce contenu
Projets d'apprentissage non supervisé
Jour 16 : Clustering sur les données d’iris 🌷🌹🌼
Vous n'avez actuellement pas accès à ce contenu
Jour 17 : Clustering des clients d’un centre commercial 🏬👨👩👧👦👩👧👦
Vous n'avez actuellement pas accès à ce contenu
Jour 18 : KMeans, DBSCAN et PCA 🫧
Vous n'avez actuellement pas accès à ce contenu
Jour 19 : Algorithme Apriori pour l’analyse du panier de consommation 🥛🍞🧈
Vous n'avez actuellement pas accès à ce contenu
Jour 20 : Détection d’anomalies à l’aide de la forêt d’isolement 🌴
Vous n'avez actuellement pas accès à ce contenu
Jour 21 : Modélisation de sujets à l’aide de LDA 📑
Vous n'avez actuellement pas accès à ce contenu
Jour 22 : Réduction de la dimensionnalité à l’aide de t-SNE et de UMAP 🍞➡️🥪
Vous n'avez actuellement pas accès à ce contenu
Jour 23 : Détection d’anomalies à l’aide d’une forêt d’isolement et du facteur de valeurs aberrantes locales 🌴👀
Vous n'avez actuellement pas accès à ce contenu
Jour 24 : Estimation de la densité du noyau à l’aide de Seaborn 📊⛰️
Vous n'avez actuellement pas accès à ce contenu
Jour 25 : Segmentation de la clientèle à l’aide du clustering hiérarchique 🛍️🛒🏬
Vous n'avez actuellement pas accès à ce contenu
Jour 26 : Détection d’anomalies à l’aide de OneClassSVM 😇👿😇
Vous n'avez actuellement pas accès à ce contenu
Jour 27 : Clustering à l’aide de GMM, KMeans et DBSCAN 🧛♂️🧛🧛🧜♀️🧜♂️🧜
Vous n'avez actuellement pas accès à ce contenu
Jour 28 : Association de règles d’apprentissage avec FP-Growth 🥛🍞🧈
Vous n'avez actuellement pas accès à ce contenu
Jour 29 : Clustering à l’aide d’un mélange bayésien gaussien 🌷🌼🌺
Vous n'avez actuellement pas accès à ce contenu
Jour 30 : Réduction de la dimensionnalité à l’aide de LDA et de SVD 🤏
Vous n'avez actuellement pas accès à ce contenu