Introduction aux techniques de Machine Learning

Le Machine Learning (également appelé apprentissage automatique) est omniprésent. L’établissement de diagnostics en médecine, la reconnaissance vocale, celle de l’écriture manuscrite, le trading automatique ou la recommandation de contenus audiovisuels sont autant de domaines dans lesquels les techniques de Machine Learning sont utilisées dans le but de prendre des décisions de manière automatique. Chaque problème de Machine Learning étant unique, il peut être difficile de prétraiter les données brutes, d’identifier les facteurs clés qui influenceront votre modèle, d’entraîner plusieurs modèles ou de valider leur comportement.

Dans cette session, nous explorerons les fondamentaux du Machine Learning avec MATLAB. A travers divers exemples, nous passerons en revue des flots de traitements utilisés classiquement pour l’apprentissage supervisé (classification) et non supervisé (clustering).

Nous aborderons notamment les points suivants :

• L’accès, l’exploration et la visualisation de données avec MATLAB.
• L’utilisation de l’application Classification Learner et des fonctions de la Statistics and Machine Learning Toolbox pour réaliser des traitements classiques en Machine Learning comme :
  • la sélection et la transformation de facteurs ;
  • la spécification de schémas de validation croisée ;
  • l’entraînement de plusieurs types de modèles de classification parmi lesquels les machines à vecteur de support (Support Vector Machines, SVM), la méthode des k plus proches voisins (k Nearest Neighbors), les arbres de décision (Decision Trees) et l’analyse discriminante ;
  • la validation et la comparaison de modèles à l’aide de matrices de confusion et de courbes ROC qui permettent de sélectionner le modèle le plus adapté à vos données.
• L’intégration de modèles préalablement entraînés à des applications de vision par ordinateur, de traitement du signal ou d’analyse de données.

Veuillez prévoir environ 60 minutes pour assister à la présentation et à la session de questions/réponses.