1. Compléments machine learning - SVM
Cette partie est extraite du cours de Machine Learning disponible à l’url https://lrouviere.github.io/machine_learning/. On se focalisera ici sur les machines à supports vecteurs et le gradient boosting.
Documents de cours
2. Données déséquilibrées
On considère le cadre supervisé avec une variable à expliquer dont les modalités sont déséquilibrées (maladie rare, détection de fraudes, détection de churn…). Les algorithmes machine learning traditionnels peuvent être mis en difficulté dans ce cadre, notamment pour détecter la classe minoritaire. L’objet de ce cours est de présenter les bonnes pratiques à utiliser dans ce contexte. Il se concentre notamment sur les critères adaptés au cas de données déséquilibrées ainsi sur quelques algorithmes de ré-équilibrage.
Documents de cours
3. Graphmining
On présente dans ce cours une introduction aux graphes. On introduira notamment
- les statistiques descriptives classiques associées à ces objets
- les principaux modèles de graphe
- la détection de communautés
Documents de cours
- slides
- slides au format rapport
- tutoriel
- données pour le tutoriel :