Niveau 3 :
Les méthodes avancées d’apprentissage de modèles de classification (Machine Learning) : Bases théoriques, exécution avec le langage R & interprétation
Les modèles de régression pénalisées (Ridge, LASSO, ElasticNet)
La régression PLS
Les arbres de décisions (CART : Classification and Regression Trees)
Les techniques d’agrégation de modèles (Bagging, Boosting)
Évaluation de la qualité de prédiction des modèles par validation croisée
Les forêts aléatoires (RF : Random Forest)
Le classifieur Bayésien Naïf (NB : Naive Bayesian)
La méthode KNN (k Nearest Neighbors)
Les machines à vecteurs de support (SVM : Support Vector Machines)
les réseaux de Neurones (NN : Neural Networks)
1000DT à 2400DT