Régression logistique — cours, TP VS Code et quiz (Word)

Le premier algorithme de classification, traité en profondeur : une prédiction se calcule à la main avant que le modèle n’apprenne, et le seuil de décision se choisit selon la décision à prendre, pas par défaut. Ce que contient le pack : — le cours détaillé au format Word, modifiable, avec six exercices de compréhension — le TP guidé pas à pas dans VS Code, avec six travaux pratiques et un mini-projet autonome — un quiz de 40 questions sans réponses, prêt à distribuer — quatre scripts Python vérifiés, un CSV d’exemple, requirements.txt et les résultats attendus (matrice de confusion, courbe ROC, mesures, pipeline sauvegardé) Au sommaire : Cours — 02.1 Régression logistique : — Objectifs et prérequis — Parcours du module — 02.1.1 Passer de la régression linéaire à la classification — 02.1.2 Construire le score puis la probabilité — 02.1.3 Calculer une prédiction à la main — 02.1.4 Interpréter les coefficients et les cotes — 02.1.5 Comprendre comment le modèle apprend — 02.1.6 Régulariser le modèle avec C — 02.1.7 Comprendre la frontière de décision — 02.1.8 Choisir le seuil selon la décision — 02.1.9 Probabilités et calibration — 02.1.10 Passer à plusieurs classes — 02.1.11 Déséquilibre et limites du modèle — 02.1.12 Construire une évaluation honnête — 02.1.13 Retenir les paramètres essentiels — 02.1.14 Premier programme minimal — 02.1.15 Exercices de compréhension — 02.1.16 Synthèse et glossaire — Documentation pour approfondir Travaux pratiques — 02.2 Régression logistique : — 02.2.1 Préparer Python et VS Code — 02.2.2 Comprendre le jeu de données et le protocole — 02.2.3 Programme complet commenté — 02.2.4 Lire le programme par étapes — 02.2.5 Résultats de la vérification — 02.2.6 Adapter un CSV avec nombres et catégories — 02.2.7 Analyser le mécanisme propre au modèle — 02.2.8 Exercices pratiques à réaliser — 02.2.9 Mini projet autonome — 02.2.10 Résoudre les erreurs fréquentes — Références techniques Quiz — sans corrigé. Volume : 3 documents Word, environ 7 200 mots (~19 pages). Le code source des scripts est publié librement : https://github.com/hrhouma2/aiopsatlas-apprentissage-supervise-code-fr/tree/main/02-regression-logistique