Machine Learning – Apprentissage supervisé, non supervisé

Le machine learning se subdivise en deux catégories: supervisé et non supervisé. Dans cette section, seront exposées des ressources sur les principales méthodes de machine learning utilisées en santé.

 

Machine learning: quel algorithme choisir? Une feuille de route par Microsoft (Anglais).

L’essentiel du machine learning, un résumé de cours de Stanford (Anglais, 16p).

Apprentissage supervisé, un résumé de cours de Stanford (Anglais, 3p. Mots-clés: métriques, validation croisée, sur apprentissage, régressions).

Apprentissage non-supervisé, un résumé de cours de Stanford (Anglais, 3p. Mots-clés: clustering, métriques, analyse en composantes principales).

Régression et classification linéaire, une vidéo de Science4all (YouTube, 19min).

Tout savoir sur les arbres de décision, une vidéo de Morgan Gautherot (YouTube, 17min).

Les forêts aléatoires, une vidéo de Science4All (YouTube, 15min).

 

Pour aller plus loin:

• L’apprentissage supervisé, cours de l’Université d’Uppsala (Anglais, 112p).
• Les arbres de décision, cours du CNAM Paris (20p).
• Support Vector Machine (SVM), cours de CNAM Paris (16p).
• Cours Kaggle.
• MOOC Coursera – Machine Learning (Anglais).
• Introduction à la programmation, R et Python.
• Machine learning cheatsheet (Anglais, 219p).