Deuxième étape : Apprentissage automatique classique

Manuel d'introduction à l'apprentissage statistique développé par l'Université de Stanford, disponible en versions R et Python, couvrant des algorithmes d'apprentissage automatique classiques tels que la régression, la classification et les machines à vecteurs de support, avec des cours en ligne gratuits et du code expérimental.

Un tutoriel classique de 12 semaines et 26 leçons sur l'apprentissage automatique pour débutants, développé par Microsoft, qui utilise des données culturelles du monde entier pour pratiquer l'apprentissage automatique.

Une spécialisation d'introduction classique à l'apprentissage automatique par le professeur Andrew Ng, couvrant l'apprentissage supervisé, l'apprentissage non supervisé et les techniques pratiques d'apprentissage automatique.

Notes complètes en chinois du cours d'apprentissage automatique de Stanford d'Andrew Ng, comprenant 18 chapitres couvrant le contenu de base aux applications, fournissant divers supports d'apprentissage.

Un projet éducatif qui implémente les modèles et algorithmes fondamentaux du Machine Learning à partir de zéro en Python, couvrant divers algorithmes allant de la régression linéaire à l'apprentissage profond, en mettant l'accent sur une présentation transparente des mécanismes internes des algorithmes.