(Programme) Ce que j'ai appris et ce que je dois apprendre sur le Deep Learning
Bon.
J’ai commencé à apprendre des choses mais c’est le zouk dans ma tête. J’ai besoin de structure. Alors j’ai décidé de mettre à jour ce post avec :
ce que j’ai appris
et ce que je vais apprendre
Attention !!!
J'ai créé cette arborescence moi-même (en m'inspirant fortement du livre The Hundred-Page Machine Learning Book ainsi que de ressources sur les internets) alors il y a certainement des erreurs et c'est probablement incomplet.
J'utilise les termes en anglais pour simplifier mon apprentissage. Ne pas avoir trop de termes pour dire la même chose.
En avant Guingamp !
Quelques algorithmes en Supervised Learning
Regression: Linear Regression, Polynomial Regression, Neural Network regression, Decision Tree Regression, Lasso/Ridge Regression
Classification: KNN, Naive Bayes, Logistic Regression, SVM, Random Forest, Decision Tree
La différence entre Regression et Classification ?
Quelques algorithmes en Unsupervised Learning
Clustering: Fuzzy C-Means, Mean Shifts, K-means, Agglomerative, DBSCAN
Quelques algorithmes en Reinforcement Learning
A3C, Genetic Algorithm, DQN, SARSA, Q-Learning, R Learning, TD Learning
Quelques algorithmes en Deep Learning
Convolutional Neural Networks (CNNs)
Long Short Term Memory Networks (LSTMs)
Recurrent Neural Networks (RNNs)
Generative Adversarial Networks (GANs)
Radial Basis Function Networks (RBFNs)
Multilayer Perceptrons (MLPs)
Self Organizing Maps (SOMs)
Deep Belief Networks (DBNs)
Restricted Boltzmann Machines( RBMs)
Quelques fondamentaux
Notation
Random Variable
Baye’s Rule
Quelques bonnes pratiques
Feature Engineering: One-Hot Encoding, Binning, Normalization, Standardization, Missing Features
Three Sets
Underfitting and Overfitting
Regularization
Model Performance Assessments: Confusion Matrix, Precision/Recall, Accuracy, Cost-Sensitive Accuracy
Quelques outils
Machine Learning (TensorFlow, Scikit, Keras)
Traitement de données (Pandas, Numpy)
Visualisaton (matplotlib, Tableau)
Bases de données (Hadoop, Spark, SQL)