Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 2 · Pratique (hors cours)

k-means : regrouper sans cible

Le cours a évoqué l'apprentissage non supervisé. Exemple classique, hors cours : k-means. Il regroupe des points en k groupes sans cible connue :

  1. Choisir k centres initiaux (centroïdes).
  2. Affecter chaque point au centre le plus proche.
  3. Recalculer chaque centre comme la moyenne des points qui lui sont affectés.
  4. Répéter jusqu'à stabilité.

Exemple 1D : points [1, 2, 9, 10, 11], centres initiaux [1, 2]. Affectation : 1 → c0 ; 2, 9, 10, 11 → c1. Nouveaux centres : [1, 8]. Tour suivant : 1 et 2 vont à c0, 9, 10, 11 à c1 : centres [1,5 ; 10].

Résultat sensible aux centres initiaux, et k est à choisir. Il n'y a pas de bonne réponse à comparer : l'évaluation est difficile, comme le dit le cours du non supervisé.

Vérifie que tu as compris

Que fait k-means après avoir affecté les points aux centres ?