Classifieurs linéaires en Python
6 chapitres · 46 leçons
≈ 12 h
Attestation de suivi
Réglable par votre employeur, sur devis et facture
Créez votre compte gratuit
11 leçons sont ouvertes, sans carte bancaire.
Créer mon compte
J’ai déjà un compte
Vos données sont hébergées dans l'Union européenne. Confidentialité
Description
Comment se déroule le cours
Chaque leçon est un texte structuré, illustré d’exemples et de schémas, suivi d’un quiz corrigé automatiquement. Vous avancez à votre rythme, et vos notes restent attachées à la leçon où vous les avez prises.
Ce format vous convient ?
Voir la première leçon11 leçons ouvertes, sans carte bancaire.
Programme
6 chapitres, 46 leçons
- 2. Rappel des fondamentaux de scikit-learnouvert
- 2. Découvrir la classification KNNouvert
- 2. Comparer les performances des modèlesouvert
- 2. Comprendre le surapprentissageouvert
- 2. Appliquer la régression logistique et les SVMouvert
- 2. Utiliser LogisticRegression et SVCouvert
- 2. Réaliser une analyse de sentiment sur des critiques de filmsouvert
- 2. Comprendre les classificateurs linéairesouvert
- 2. Identifier les frontières de décision linéairesouvert
- 2. Visualiser les frontières de décisionouvert
- 3. Étudier les coefficients des classificateurs linéairesabonnés
- 3. Comprendre comment les modèles produisent leurs prédictionsabonnés
- 3. Modifier les coefficients d’un modèleabonnés
- 3. Découvrir le concept de fonction de perteabonnés
- 3. Comprendre la fonction de perte 0-1abonnés
- 3. Apprendre à minimiser une fonction de perteabonnés
- 3. Visualiser les différentes fonctions de perteabonnés
- 3. Explorer les fonctions de perte en classificationabonnés
- 3. Comparer les fonctions de perte logistique et hingeabonnés
- 3. Implémenter un modèle de régression logistiqueabonnés
- 4. Comprendre la régularisation en régression logistiqueabonnés
- 4. Mettre en œuvre une régression logistique régulariséeabonnés
- 4. Utiliser la régression logistique pour sélectionner les variablesabonnés
- 4. Identifier les mots les plus positifs et les plus négatifsabonnés
- 4. Comprendre les probabilités en régression logistiqueabonnés
- 4. Extraire les probabilités d'appartenance aux classesabonnés
- 4. Étudier l'effet de la régularisation sur les probabilitésabonnés
- 4. Visualiser des exemples de classification simples et complexesabonnés
- 4. Découvrir la régression logistique multiclasseabonnés
- 4. Déterminer le nombre de coefficientsabonnés
- 4. Ajuster un modèle de régression logistique multiclasseabonnés
- 4. Visualiser les résultats de la régression logistique multiclasseabonnés
- 4. Appliquer la stratégie SVM un-contre-tousabonnés
- 5. Comprendre les vecteurs de supportabonnés
- 5. Identifier les vecteurs de supportabonnés
- 5. Étudier l'effet du retrait de certaines observationsabonnés
- 5. Découvrir les SVM à noyauabonnés
- 5. Prendre en main GridSearchCVabonnés
- 5. Optimiser simultanément les paramètres gamma et C avec GridSearchCVabonnés
- 5. Comparer la régression logistique, les SVM et d'autres méthodesabonnés
- 5. Identifier les avantages des SVMabonnés
- 5. Identifier les avantages de la régression logistiqueabonnés
- 5. Utiliser le modèle SGDClassifierabonnés
- 5. Pour conclureabonnés
Ce qui est inclus
Tout ce qui accompagne les leçons
46 leçonsIllustrées d’exemples et de schémas.
Quiz à chaque leçonCorrigés aussitôt ; seul votre meilleur score compte.
Vos notesPrises dans les leçons, retrouvées par section.
Questions du coursPosez-les dans la leçon : l’équipe et les apprenants répondent.
Suivi de progressionPar section, avec vos résultats aux quiz.
Attestation vérifiableNominative, avec un code unique.
Rythme
Combien de temps, selon votre disponibilité
Je peux y consacrer, par semaine :
Attestation
Ce que vous obtenez à la fin
ATTESTATION DE RÉUSSITEClassifieurs linéaires en Pythondélivrée à votre nom
Code uniqueVérifiable en ligne
Quand le cours est terminé, l’attestation est délivrée à votre nom. Son code permet à un recruteur de la vérifier en quelques secondes.
Ce n’est pas un diplôme ni une certification professionnelle ; c’est la preuve vérifiable que vous avez suivi et réussi ce cours.
Auteur
Qui écrit ce cours
ÉQ
Équipe DATAGOZ
Formateur · DATAGOZ
Une pédagogie claire et appliquée, avec des exemples concrets pour apprendre efficacement.
Questions
Avant de commencer
Aucun prérequis : le cours part des bases.
Tant que votre abonnement est actif. Si vous l’arrêtez, votre progression et vos attestations restent conservées.
Une attestation de suivi DATAGOZ, nominative et vérifiable en ligne par son code. Ce n’est pas un diplôme.
Accessibilité. Vous êtes en situation de handicap ? Écrivez à contact@datagoz.com : nous étudions avec vous les adaptations possibles.
Commencez ce cours aujourd'hui
11 leçons ouvertes, sans carte bancaire. Vous verrez le niveau et le ton avant de décider.