Après avoir entraîné un modèle de machine learning sur des données étiquetées,celui-ci est supposé fonctionner sur de nouvelles données. Toutefois, il est important de s’as-surer de l’exactitude des prédictions du modèle en production. Pour ce faire, il est nécessairede valider …
Le Sous-Apprentissage et le Sur-Apprentissage sont deux concepts majeurs de l’appren-tissage automatique. Ces termes définissent la capacité d’un modèle à prédire les données.Par ailleurs, le Sous-Apprentissage et le Sur-Apprentissage sont les causes principales desmauvaises performances des modèles prédictifs générés par …
Le clustering K-means: Data Science Le Clustering consiste à partitionner les données en groupes (clusters) de sorte que les objets de chaque groupe partagent certaines caractéristiques communes entre eux. Dans le fond, l’algorithme trouve tout seul les cas de similarités …
Dans cet nouvel article, je vous explique l’importance du deep learning distribué, les différentes approches utilisées et enfin quelques outils disponibles sous python pour faire le deep learning distribué. Pourquoi le deep learning distribué Nous vivons à l’ère des données. …
Dans cet article, je vous présente de façon pratique comment détecter les fraudes bancaires avec un auto-encodeur en Keras . Le fonctionnement d’un auto-encodeur D’abord, je vous explique brièvement le fonctionnement d’un auto-encodeur. Vous pouvez également consulter mon article sur …
Le Deep Learning est une technologie de pointe qui a récemment attiré l’attention du cercle informatique. Il permet de faire l’extraction, la transformation des caractéristiques et la prédiction. L’apprentissage profond permet de faire de l’apprentissage supervisé et non supervisé. En …