LA RÉGRESSION LINÉAIRE (partie 1/2) - ML#3

On peut se servir de l'apprentissage supervisé pour résoudre deux types de problèmes: les régressions et les classifications. Dans cette vidéo je vous montre comment développer un modèle de Régression linéaire, qui est le modèle le plus simple en machine learning.
Comprendre la mécanique du Supervised Learning avec le cas de la régression linéaire vous permettra de comprendre par la suite comment fonctionne le machine learning dans les applications plus complexes.
Nous allons voir comment traiter le Dataset, quel modèle développer, puis nous verrons quelle fonction coût utiliser pour mesurer la performance de notre modèle de régression linéaire.

► MON SITE INTERNET EN COMPLÉMENT DE CETTE VIDÉO:
https://www.machinelearnia.com/

► REJOINS NOTRE COMMUNAUTÉ DISCORD
  / discord  

► Me soutenir financièrement sur Tipeee (et obtenir des vidéos BONUS)
https://fr.tipeee.com/machine-learnia

► Recevez gratuitement mon livre numérique:
"APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE"
https://www.machinelearnia.com/appren...

► Télécharger gratuitement mes codes sur github:
https://github.com/MachineLearnia

► Abonnez-vous :    / @machinelearnia  

► Pour en savoir plus : Visitez Machine Learnia : https://www.machinelearnia.com/

► Qui suis-je ?
Je suis Guillaume Saint-Cirgue, Senior Data Scientist avec plus de 8 ans d’expérience dans les secteurs de la tech, l’aviation, la robotique, l’énergie, et les usines connectées.
En 2019, j’ai créé Machine Learnia dans le but de partager mes connaissances dans le domaine de l’intelligence artificielle. Mon objectif est d’expliquer en détail le fonctionnement du Machine Learning et de ses algorithmes, tout en rendant ces concepts accessibles à tous.
Je suis convaincu qu'il ne suffit pas de survoler l'aspect mathématique de ce domaine; il est essentiel de s'y plonger en profondeur pour se démarquer. Cette approche a déjà convaincu plus de 150 000 personnes, et ceux que je forme aujourd'hui comptent parmi les meilleurs du secteur.

► Une question ? Contactez-moi: [email protected]