Travaux pratiques (notebooks Jupyter).
Trois TP en Python, à faire dans l’ordre. Chaque notebook est une version
« étudiant » avec des blocs # A COMPLETER à remplir. Téléchargez le fichier
(clic droit, enregistrer le lien) puis ouvrez-le avec Jupyter.
- TP0 : Prise en main Python (optionnel) : Python, NumPy, Matplotlib,
pandas et un premier modèle scikit-learn de bout en bout.
Télécharger le notebook
· corrigé
- TP1 : Apprentissage supervisé : kNN, régression linéaire, perceptron
codé à la main, LDA/QDA vs régression logistique, évaluation (ROC/AUC),
pipeline sur tabulaire / images / texte.
Télécharger l’archive
· corrigé
- TP2 : Apprentissage non supervisé : K-means et compression d’image,
PCA, puis modules à la carte (détection d’anomalies, NMF, réseaux de
neurones, clustering spectral).
Télécharger le notebook
· corrigé
Environnement : numpy, scikit-learn, matplotlib, pandas, et torch
pour le TP2. Tout tourne hors ligne sur CPU.