Description
Exploration et visualisation de données tabulaires (pandas, matplotlib), bases de l'ajustement de données (scikit-learn), k-plus proches voisins, régression linéaire, arbres de décision, prétraitement des données, métriques d'évaluation de modèles, surapprentissage vs sous-apprentissage, biais/variance, validation croisée, introduction aux réseaux neuronaux, réglage des hyperparamètres, sélection de caractéristiques, importance des caractéristiques.
Préalables
- Prérequis : inscription au programme M.Eng.- Software Engineering Practice.
Conditions et modalités
- Prérequis : inscription au programme M.Eng.- Software Engineering Practice.
Texte de référence dans sa langue d’origine
Tabular data exploration and visualization (pandas, matplotlib), data-fitting basics (scikit-learn), k-nearest neighbours, linear regression, decision trees, data pre-processing, model evaluation metrics, overfitting vs underfitting, bias/variance, cross-validation, introduction to neural networks, hyperparameter tuning, feature selection, feature importance.
- Prerequisite(s): enrolment in the M.Eng.- Software Engineering Practice program.
Sources et références
Les dates et les sources sont conservées pour vous aider à vérifier les renseignements. Les traductions sont proposées pour faciliter la lecture; la source officielle fait référence pour les conditions et les exigences.
Référence source : https://calendar.carleton.ca/grad/courses/EGEN/