https://github.com/charlenry/machine_learning

Les fondamentaux du Machine Learning
https://github.com/charlenry/machine_learning

auc-roc-curve clustering cross-validation k-means knn linear-regression logistic-regression machine-learning normal-distribution polynomial-regression scatter-plot tree-decision-classifier

Last synced: about 1 month ago
JSON representation

Les fondamentaux du Machine Learning

• Host: GitHub
• URL: https://github.com/charlenry/machine_learning
• Owner: charlenry
• Created: 2024-11-27T20:19:41.000Z (about 1 month ago)
• Default Branch: main
• Last Pushed: 2024-11-29T19:20:26.000Z (about 1 month ago)
• Last Synced: 2024-11-29T19:39:20.745Z (about 1 month ago)
• Topics: auc-roc-curve, clustering, cross-validation, k-means, knn, linear-regression, logistic-regression, machine-learning, normal-distribution, polynomial-regression, scatter-plot, tree-decision-classifier
• Language: Jupyter Notebook
• Homepage:
• Size: 507 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Mon notebook sur les fondamentaux du Machine Learning

## Introduction

Je m'appelle **Charles-Henri SAINT-MARS** et je suis actuellement en **recherche** d'une **entreprise d'accueil** afin d'effectuer une formation d'**Ingénieur en Machine Learning** en alternance et bien entendu de faire profiter de mes connaissances et compétences à cette entreprise d'accueil. Entre-temps, je suis des MOOCs afin de progresser dans ce domaine et d'être mieux préparé pour les missions qui me seront confiées. Le notebook de ce dépôt constitue mes notes de cours sur le Machine Learning. 

## Les sujet abordés

Les sujets abordés dans ce notebook sont les suivants:

- Distribution des données

- Distribution nornale

- Nuage de points

- Régression linéaire

- Régression polynomiale

- Regression multiple

- Mise à l'échelle

- Entraînement et test de modèle

- Arbre de décision

- Matrice de confusion

- Regroupement hiérarchique

- Régression logistique

- Recherche par grille

- Prétraitement des données catégorielles

- K-means

- Le bagging

- Validation croisée

- Courbe ROC - AUC

- K-nearest neighbors (KNN)

## Conclusion

J'ai acquis une solide compréhension des concepts fondamentaux du Machine Learning, incluant les statistiques descriptives, la modélisation (régressions linéaire, polynomiale et logistique), ainsi que des techniques avancées comme les arbres de décision, le K-means, le KNN et la validation croisée. Je maîtrise également des outils essentiels tels que les matrices de confusion, les courbes ROC-AUC, et les techniques de prétraitement et de mise à l'échelle des données. Ces compétences me permettent de développer, évaluer et optimiser des modèles prédictifs dans divers contextes.

## Contact

Si vous êtes recruteur et que vous êtes intéressé par mon profil, vous pouvez m'appeler au 0652@74@87@30. 


[Mon LinkedIn](https://www.linkedin.com/in/charles-henri-saint-mars)