Cours de Machine Learning en R - ESIGELEC 2016

Introduction

En 2016, j'ai eu l'opportunité de créer et dispenser un cours de Machine Learning et Modélisation Prédictive à l'ESIGELEC, utilisant le langage R. Ce dépôt contient l'ensemble du matériel pédagogique.

Contenu du Cours

Slides de Cours

Présentations couvrant les fondamentaux du ML :

• Introduction au Machine Learning
• Préparation et exploration des données
• Algorithmes de régression
• Algorithmes de classification
• Validation et évaluation de modèles

Datasets

Jeux de données variés pour les exercices pratiques, permettant d'appliquer les concepts sur des cas concrets.

Assignments

Devoirs et travaux pratiques pour mettre en application les connaissances acquises.

Code R

Scripts et exemples de code prêts à l'emploi pour chaque concept.

Thématiques Abordées

Préparation des Données

• Import et nettoyage
• Gestion des valeurs manquantes
• Feature engineering
• Normalisation et standardisation

Algorithmes Supervisés

• Régression linéaire
• Régression logistique
• Arbres de décision
• Random Forests
• Support Vector Machines

Évaluation de Modèles

• Train/Test split
• Validation croisée
• Métriques (Accuracy, Precision, Recall, F1)
• Courbe ROC et AUC

Technologies

• Langage : R
• IDE : RStudio
• Packages : caret, randomForest, e1071, ggplot2...

Évaluation

Le cours inclut un exemple d'examen (PDF) pour évaluer la compréhension des concepts et la capacité à appliquer les algorithmes.

Public Cible

Étudiants en ingénierie avec des bases en statistiques, désireux d'apprendre les techniques de Machine Learning appliquées.

Approche Pédagogique

• Théorie accompagnée d'exemples pratiques
• Datasets réalistes
• Progression graduelle en complexité
• Focus sur l'intuition plutôt que les mathématiques pures

Cours de Machine Learning dispensé à l'ESIGELEC en 2016