Remarques finales

Concevoir des workflows de Machine Learning en Python

Dr. Chris Anagnostopoulos

Honorary Associate Professor

Remarques finales

  • Rappel des pipelines d'apprentissage supervisé :
    • ingénierie des caractéristiques
    • entraînement du modèle
    • sélection du modèle
  • Risques de surapprentissage
  • Fusion de données
  • Étiquettes bruitées et heuristiques
  • Fonctions de perte
    • coûts des faux positifs vs coûts des faux négatifs
Concevoir des workflows de Machine Learning en Python

Remarques finales

  • Apprentissage non supervisé :
    • détection d'anomalies
    • détection de nouveautés
    • mesures de distance
    • données non structurées
  • Cas d'usage concrets :
    • cybersécurité
    • santé
    • banque de détail
Concevoir des workflows de Machine Learning en Python

Félicitations !

Concevoir des workflows de Machine Learning en Python

Preparing Video For Download...