L’apprentissage non supervisé est l’une des branches du machine learning. Il identifie des clusters ou des groupes en fonction de données non-étiquetées, avec très peu d’intervention humaine. Dans cet article, nous allons explorer les principaux algorithmes d’apprentissage non supervisé

La classification est l’une des méthodes d’apprentissage supervisé, qui permet de restituer une valeur à expliquer discrète, comme une classe ou une étiquette. Cet article correspond à la deuxième partie de l’article précédent et se focalise sur deux autres algorithmes de classification.

L’apprentissage supervisé est une technique de modélisation prédictive, utilisée dans le machine learning. Après avoir précédemment analysé les modèles de régression, nous allons maintenant nous allons maintenant nous concentrer sur la classification et ses principales mesures d’évaluation.

L’apprentissage non supervisé est une branche du machine learning. Il identifie des clusters ou des groupes au sein de données non-étiquetées, avec très peu d’intervention humaine. Dans cet article, nous allons nous concentrer sur la compréhension de l’apprentissage non supervisé et certaines de ces applications.

Dans les dernières années, Linedata a implanté des algorithmes de machine learning dans ces solutions de front-office et de back-office. Dans cet article, nous nous concentrerons sur l’un des cas d’usage de régression, implanté chez Linedata.

Dans l’article précédent, nous avons exploré le sujet des smart contracts et leur fonctionnement. Avec l’utilisation grandissante de ces contrats intelligents, nous avons décidé de nous concentrer maintenant sur la comparaison entre ces contrats et les contrats traditionnels que nous connaissons tous.