Module 1: Creation du model en vue de resoudre 1  probleme

• Qu'est ce qu''un model
• Exemple de models illustrés

Modules 2: Preparation des données et de leur caractéristiques (features)

• Format des données
• Generalisation  : 
• Les baiais : Normalization des données
• Repartition des données

Module 3: La phase d'Entrainement du model et la recherche des parametres optimaux

• Vue d'ensemble sur la descente de gradient
• L'ajustement du paramètre "taux d'apprentissage"
• La Minimisation de la fonction cout

Module 4: L'évaluation de la prediction en phase de Test

• Les Faux Negatif et les Faux positif
• Le taux de precision
• Les nouvel prediction sur des données inconnus

Module 5:  Debugging et Analyse des causes de mauvaise classification

• Comment analyser les erreurs de predictions