🤓 Les mathématiques sous le capot #MLSTART

Beaucoup essaient de passer directement aux modèles et au codage, mais à un moment donné, on se heurte toujours au fait que sans mathématiques, on ne peut pas avancer.

Il n'est pas nécessaire de se plonger tête baissée dans la théorie, mais comprendre pourquoi quelque chose fonctionne est important. Comprendre les principes de fonctionnement des algorithmes de ML t'aidera à choisir les bons outils pour chaque tâche, plutôt que de "tirer au canon sur des moineaux".

📖 Pour rafraîchir la théorie, je trouve personnellement utile le workbook de Yandex. C'est une analyse soignée et structurée des concepts de base de l'apprentissage automatique. Types de tâches et de modèles, apprentissage et surapprentissage, régularisation, métriques et fonctions de perte - tout y est.

🎓 Si tu veux approfondir, il y a le cours "Fondements mathématiques de l'apprentissage automatique" de Vorontsov (MIPT) : encore plus d'algèbre linéaire, de théorie des probabilités, d'optimisation - bref, les bases. Beaucoup de mathématiques, mais si on les comprend, on peut entraîner une forte intuition qui sera utile pour résoudre des problèmes de ML.

Retour à la table des matières

👩‍💻 Data Flow