Référence : Géron, chapitres 1 et 2 ; ISLR, chapitre 2.

Contenus :

•       Qu'est-ce que l'apprentissage automatique et en quoi diffère-t-il de la programmation classique

•       Typologie : apprentissage supervisé, non supervisé, semi-supervisé, par renforcement

•       Classification, régression et partitionnement : nature de la variable cible

•       Chaîne complète d'un projet d'apprentissage, de la question métier au modèle déployé

•       Notion de généralisation et distinction entre apprendre et mémoriser

•       Compromis biais-variance présenté intuitivement

•       Nécessité d'une référence simple comme point de comparaison

•       Prise en main de l'environnement : Python, Pandas, Scikit-Learn, carnets Jupyter

•       Premier modèle de bout en bout sur un jeu de données propre

Objectifs pédagogiques :

•       Distinguer les grandes familles de tâches d'apprentissage

•       Formuler une question métier sous forme de problème d'apprentissage

•       Établir une référence simple et en comprendre le rôle

•       Exécuter une première chaîne complète sous Scikit-Learn