Exercices

Cette page répertorie les exercices du cours d'initiation au machine learning.

La majorité des exercices de programmation utilisent l'ensemble de données sur l'immobilier en Californie.

Les exercices de programmation fonctionnent directement dans votre navigateur (aucune configuration requise) avec la plate-forme Colaboratory. Cette plate-forme est compatible avec la plupart des principaux navigateurs, mais a fait l'objet des tests les plus complets sur les versions classiques de Chrome et Firefox. Si vous préférez télécharger et exécuter les exercices hors connexion, consultez ces instructions relatives à la configuration d'un environnement local.

Tous

Préliminaires

Formulation

Plongée dans le ML

Minimisation de la perte

Premiers pas avec TensorFlow

Ensembles d'apprentissage et d'évaluation

Validation

Représentation

Croisements de caractéristiques

Régularisation à des fins de simplicité

Classification

Régularisation à des fins de parcimonie

Introduction aux réseaux de neurones

Entraîner les réseaux de neurones

Réseaux de neurones à classes multiples

Représentations vectorielles continues

Comparaison des modèles statique et dynamique

Comparaison des inférences statique et dynamique

Dépendances des données

Programmation

Préliminaires

Formulation

Plongée dans le ML

Minimisation de la perte

Premiers pas avec TensorFlow

Ensembles d'apprentissage et d'évaluation

Validation

Représentation

Croisements de caractéristiques

Régularisation à des fins de simplicité

Classification

Régularisation à des fins de parcimonie

Introduction aux réseaux de neurones

Entraîner les réseaux de neurones

Réseaux de neurones à classes multiples

Représentations vectorielles continues

Comparaison des modèles statique et dynamique

Comparaison des inférences statique et dynamique

Dépendances des données

Testez vos connaissances

Préliminaires

Formulation

Plongée dans le ML

Minimisation de la perte

Premiers pas avec TensorFlow

Ensembles d'apprentissage et d'évaluation

Validation

Représentation

Croisements de caractéristiques

Régularisation à des fins de simplicité

Classification

Régularisation à des fins de parcimonie

Introduction aux réseaux de neurones

Entraîner les réseaux de neurones

Réseaux de neurones à classes multiples

Représentations vectorielles continues

Comparaison des modèles statique et dynamique

Comparaison des inférences statique et dynamique

Dépendances des données

Playground

Préliminaires

Formulation

Plongée dans le ML

Minimisation de la perte

Premiers pas avec TensorFlow

Ensembles d'apprentissage et d'évaluation

Validation

Représentation

Croisements de caractéristiques

Régularisation à des fins de simplicité

Classification

Régularisation à des fins de parcimonie

Introduction aux réseaux de neurones

Entraîner les réseaux de neurones

Réseaux de neurones à classes multiples

Représentations vectorielles continues

Comparaison des modèles statique et dynamique

Comparaison des inférences statique et dynamique

Dépendances des données

Envoyer des commentaires concernant…

Cours d'initiation au machine learning