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.
Pour des ressources liées aux applications cliniques des méthodes de machine learning, cliquer ici.
Ressources générales
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

Régression et classification linéaire, une vidéo de Science4all (YouTube, 19min), réalisée par Lê Nguyên Hoang, 9ème d’une série de 54 vidéos sur le thème de l’Intelligence Artificielle.

Les forêts aléatoires, une vidéo de Science4all (YouTube, 15min), réalisée par Lê Nguyên Hoang, 17ème d’une série de 54 vidéos sur le thème de l’Intelligence Artificielle.
Apprentissage non-supervisé
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).
- Explorer les cours Kaggle.
- MOOC Coursera – Machine Learning, par Stanford (Anglais).
- Aide-mémoire pour la programmation en machine learning, R et Python.
- Machine learning cheatsheet (Anglais – 2021).