Apprentissage non supervisé

Programme

Dans ce chapitre nous allons voir :

• les principes et cas d'usage de l'apprentissage supervisé
• une initiation au clustering avec K-Means
• un tour d'horizon des méthodes de plongement et d'apprentissage de variétés

Démo : Apprentissage non supervisé et clustering

Nous allons nous initier au clustering avec une démo de l'algorithme K-Means et un test de l'algorithme DBSCAN

Leçon : Plongements (embedding) & Apprentissge de variétés (manifold learning)

Un autre cas d'usages très utilisé en machine learning non supervisé concerne les méthodes de plongements.

Dans cette leçon nous allons étudier avec des exemples détaillés, le concept de méthode de plongement avec

• des algorithmes linéaires, comme la classique Analyse en Composante Principale (PCA)
• des méthodes non linéaires, issues de la familles des variétés, avec un focus sur les populaires UMAP et t-SNE