Skip to content

This repository contains materials from the Machine Learning Course by Yury Kashnitsky. Course available at: mlcourse.ai. 🌏

Notifications You must be signed in to change notification settings

Mnr04/Ml_course

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

27 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

📘 mlcourse.ai – Open Machine Learning Course Ce dĂ©pĂŽt contient mes travaux cours mlcourse.ai, un cours open-source d’apprentissage automatique proposĂ© par la communautĂ© OpenDataScience , dirigĂ© par Yury Kashnitsky.

🎯 Objectif du cours Ce cours vise Ă  offrir un Ă©quilibre idĂ©al entre thĂ©orie mathĂ©matique et pratique en data science, en couvrant les bases solides du Machine Learning, de l’analyse exploratoire jusqu’au boosting, avec un fort accent sur la mise en pratique via des notebooks et des compĂ©titions Kaggle.

📌 ThĂšmes abordĂ©s Analyse exploratoire avec Pandas

Visualisation de données (Seaborn, Matplotlib, Plotly)

Classification : arbres de décision & k-NN

Régression linéaire & classification logistique

Bagging & forĂȘts alĂ©atoires

Feature engineering & sélection de variables

Apprentissage non supervisé (clustering, etc.)

Apprentissage à grande échelle avec Vowpal Wabbit

Séries temporelles & Facebook Prophet

Gradient boosting

Licence

Ce projet est distribué sous la licence Creative Commons Attribution - NonCommercial - ShareAlike 4.0 International (CC BY-NC-SA 4.0).

Vous ĂȘtes libre de :

  • partager, copier et redistribuer le contenu,
  • modifier, transformer et adapter le contenu,

À condition de :

  • citer l’auteur original ,
  • ne pas l’utiliser Ă  des fins commerciales,
  • partager toute modification sous la mĂȘme licence.

🔗 Voir la licence complùte

Author: Yury Kashnitsky Source : https://mlcourse.ai/

About

This repository contains materials from the Machine Learning Course by Yury Kashnitsky. Course available at: mlcourse.ai. 🌏

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published