Travaux Pratiques — Machine Learning
Module : ML GSYS2 • Support TP
Enseignant : Pr. M. El Alami Hassoun
Accès étudiant • Lecture seule
Fondations Python / Data
TP 1 — NumPy
Tableaux, opérations vectorisées, broadcasting, statistiques de base.
TP 2 — Pandas (Partie 1)
DataFrame, nettoyage, valeurs manquantes, groupby, jointures, features.
TP 2 — Pandas (Partie 2)
Suite : manipulation avancée, feature engineering, préparation des données.
Régression Linéaire
TP 3 — Régression linéaire (Analytique)
Équation normale, estimation des paramètres, interprétation et limites.
TP 4 — Régression linéaire (scikit-learn)
Train/test, métriques (MSE, R²), modèle et validation simple.
TP 5 — Régression linéaire (Gradient Descent)
Descente de gradient, learning rate, convergence, normalisation.
Classification