1
Leçons publiées sans module
9 leçon(s) · 45 min
Aucun résultat de remplacement : la page est en cours de chargement.
Cours · Ouverture des cours et des parcours disponibles
Découvrir des structures cachées sans étiquettes. K-Means, Clustering Hiérarchique et réduction de dimension avec PCA.
Données pédagogiques publiées
Aucun objectif pédagogique n’est publié pour ce cours. Les titres de leçons ne sont pas transformés automatiquement en promesses d’apprentissage.
Structure publiée
1 module(s) · 9 leçon(s)
9 leçon(s) · 45 min
K-Means Clustering : Les Centroides
Former des groupes compacts autour de centroides apres standardisation
L Art du Choix : Trouver K
Choisir un nombre de clusters defendable par inertie, silhouette et lisibilite
Clustering Hierarchique : L Arbre
Lire une hierarchie de similarites et choisir une coupe defendable
DBSCAN : La Densite
Detecter des zones denses et isoler le bruit sans imposer K
PCA : L Ombre Chinoise
Projeter des donnees en moins de dimensions en lisant la variance expliquee
t-SNE : Le Rouleau
Visualiser des voisinages locaux sans sur-interpreter la geometrie globale
Anomalies : Le Mouton Noir
Prioriser des observations atypiques sans les confondre avec une preuve de risque
Projet : Segmentation Client
Assembler variables, clustering, profilage et recommandations dans un livrable client actionnable
Les ressources du cours sont disponibles après validation de l’accès au contenu.