Algorithmes d'apprentissage automatique à partir de zéro avec Python et NumPy

Comprendre le fonctionnement interne des algorithmes d'apprentissage automatique est essentiel pour tout aspirant scientifique des données. La construction d'algorithmes à partir de zéro démystifie les mathématiques complexes et révèle les mécanismes internes des modèles prédictifs. En lisant des explications écrites étape par étape et des implémentations de code, vous développerez une intuition profonde sur la façon dont les algorithmes traitent les données et optimisent les performances sans dépendre de bibliothèques pré-construites. Ce que vous apprendrez : * Comprendre la terminologie fondamentale de l'apprentissage automatique et les opérations vectorielles. * Implémenter des modèles de régression linéaire et logistique en utilisant uniquement NumPy. * Construire des arbres de décision et des classificateurs basés sur la distance ligne par ligne. * Appliquer des techniques d'optimisation comme la descente de gradient pour entraîner des modèles. * Évaluer les performances du modèle à l'aide de métriques standard comme la précision et l'erreur quadratique moyenne. * Prétraiter et nettoyer efficacement les ensembles de données à l'aide de Pandas. Le cours commence par la terminologie clé et la manipulation de base des tableaux avant de vous guider dans la construction d'algorithmes étape par étape. Conçu pour les débutants ayant des connaissances de base en Python, ce guide textuel ne nécessite aucune expérience préalable en apprentissage automatique. Lisez le matériel et commencez à construire des algorithmes d'apprentissage automatique à partir de zéro.