Machines à vecteurs de support (SVM) — cours, TP VS Code et quiz (Word)

L’algorithme le plus mathématique du parcours, expliqué sans raccourci : l’hyperplan se construit, la marge se comprend avant de se régler, et le noyau cesse d’être une boîte noire. 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 travaux pratiques et mini-projet — un quiz de 40 questions sans réponses, prêt à distribuer — quatre scripts Python vérifiés, un CSV d’exemple, requirements.txt et les résultats attendus Au sommaire : Cours — 06.1 Machine à vecteurs de support SVM : — Objectifs et prérequis — Parcours du module — 06.1.1 Construire un hyperplan séparateur — 06.1.2 Comprendre la marge — 06.1.3 Passer de la marge dure à la marge souple — 06.1.4 Interpréter C — 06.1.5 Définir les vecteurs de support — 06.1.6 Comprendre l’astuce du noyau — 06.1.7 Comprendre RBF et gamma — 06.1.8 Standardiser et éviter les fuites — 06.1.9 Distinguer score et probabilité — 06.1.10 Traiter plusieurs classes et une cible continue — 06.1.11 Reconnaître les limites de calcul et de données — 06.1.12 Construire une évaluation honnête — 06.1.13 Retenir les paramètres essentiels — 06.1.14 Premier programme minimal — 06.1.15 Exercices de compréhension — 06.1.16 Synthèse et glossaire — Documentation pour approfondir Travaux pratiques — 06.2 Machine à vecteurs de support SVM : — 06.2.1 Préparer Python et VS Code — 06.2.2 Comprendre le jeu de données et le protocole — 06.2.3 Programme complet commenté — 06.2.4 Lire le programme par étapes — 06.2.5 Résultats de la vérification — 06.2.6 Adapter un CSV avec nombres et catégories — 06.2.7 Analyser le mécanisme propre au modèle — 06.2.8 Exercices pratiques à réaliser — 06.2.9 Mini projet autonome — 06.2.10 Résoudre les erreurs fréquentes — Références techniques Quiz — sans corrigé. Volume : 3 documents Word, environ 6 800 mots (~18 pages). Le code source des scripts est publié librement : https://github.com/hrhouma2/aiopsatlas-apprentissage-supervise-code-fr/tree/main/06-svm