Machine Learning Competition - Big Data

Ects : 3
Volume horaire : 52
Coefficient : 3
Compétence à acquérir :
Capacité à traiter une problématique marketing à partuir des méthodes de machine learning sur Python

Description du contenu de l'enseignement :
Dans une première partie, les étudiants apprennent les méthodes et techniques du Machine Learning:

Module 1 - Introduction to Machine Learning

Applications of Machine Learning
Supervised vs Unsupervised Learning
Python libraries suitable for Machine Learning

Module 2 - Classification

K-Nearest Neighbor
Decision Trees (trees, boosting, bagging, ...)
Logistic Regression
Model Evaluation

Module 3 - Regression

Linear Regression
Non-linear Regression
Model evaluation methods

Module 4 - Unsupervised Learning

K-Means Clustering
Hierarchical Clustering
Density-Based Clustering

Module 5 - Recommender Systems

Content-based recommender systems
Collaborative Filtering

Module 6 - Neural nets and Deep Learning

Dans une seconde partie, les étudiants appliquent les techniques et méthodes apprises dans la première partie à une problématique d'entreprise.

Enseignant responsable :

  • PAUL VALENTIN NGOBO