Apprentissage supervisé : classification et régression

Cette séance de cours couvre les principes fondamentaux de l'apprentissage supervisé, en mettant l'accent sur la classification et la régression. Parmi les sujets abordés, mentionnons les inférences logiques, l'induction, les modèles d'apprentissage supervisé, la représentation des problèmes, les types de modèles, les limites des décisions et le surajustement. L'instructeur discute de l'algorithme Perceptron, des machines de soutien vectorielles, de la sélection des attributs, de la logique du modèle, de la spécialisation, de la généralisation et du concept de modèles disjonctifs. La séance de cours se décline également en attributs numériques, régression linéaire, régularisation, optimisation, et la transformation logistique. De plus, il explore le concept des noyaux, des transformations non linéaires et de la fonction logistique. Des applications pratiques telles que le filtrage des pourriels à l'aide d'une régression logistique sont également discutées.