Cours 1 – Sélection de Modèles
- fdms-2015-2016_cours1
- TP1 : Prise en main de SkLearn
- Le TP est basé sur le tutorial sklearn disponible ici: https://github.com/savarin/pyconuk-introtutorial
- Informations:
- Pour mettre à jour les bibliothèques python (numpy, pandas, et sklearn):
-
pip install numpy --user --proxy=http://proxy:3128 --upgrade
- Travail à la maison: fdms-2015-2016_maison1 (http://ceur-ws.org/Vol-1201/paper-14.pdf)
- Extraire les 5 grands principes de la sélection de modèles
- Faire un slide par principe donnant sa description et son explication
- Envoyer par email avant le 20 septembre minuit (obj = FDMS)
Cours 2 – Sélection de caractéristiques
- fdms-2015-2016_cours2
- TP2 et Travail à la maison : Implémentation de la régression L1 en python — fdms_tp2
- Références : http://www.jmlr.org/papers/volume3/guyon03a/guyon03a.pdf
Cours 3 – Méthodes d’ensemble
- fdms_2015_2016_cours3
- TP3 : Le challenge How Much Did It Rain? II
- https://github.com/numb3r33/Kaggle-Competitions/blob/master/cars-cancellation/cars_cancellation.ipynb
Cours 4 – Filtrage Collaboratif
- fdms_2015_2016_cours4
- TP4 : Implémentation des modèles de CF avec descente de gradient stochastique
- Modèle classique L2
- Modèle avec biais utilisateur et items
- Modèle avec Biais temporel
- Evaluation des modèles sur la base MovieLens
- Movie Lens : http://files.grouplens.org/datasets/movielens/ml-100k.zip (fichier u.data)
def loadMovieLens(path='/data/movielens'): # Get movie titles movies={} for line in open(path+'/u.item'): (id,title)=line.split('|')[0:2] movies[id]=title # Load data prefs={} for line in open(path+'/u.data'): (user,movieid,rating,ts)=line.split('\t') prefs.setdefault(user,{}) prefs[user][movies[movieid]]=float(rating) return prefs
- Passage à MovieLens 1M
Cours 5 – Visualization et projections non linéaires
- fdms_20152016_cours5
- Lien cours F. Rossi: http://apiacoa.org/teaching/visualization/index.fr.html
- TME : Iméplementation de t-SNE sur les embeddings de recommendation et visualization
Cours Dataiku
Installation de DSS (en salle 407)
- Copier le fichier depuis le répertoire /users/Enseignants/denoyer/dataiku dans le répertoire /usr/local/dataiku
- Lancer l’installation de DSS depuis /usr/local/dataiku par la commande « ./installer.sh -d /usr/local/dataiku/data -p 10000 »
- Démarrer le système par « dss start » dans /usr/local/dataiku/data/bin
- Lancer le navigateur puis se connecter sur « localhost:10000 » (penser à enlever le proxy si cela ne marche pas)
Cours 6 – Introduction aux réseaux Sociaux + Recommandation Sociale
Cours 7 – Classification Collaborative
Cours 8 – Diffusion d’Information
Cours 9 – Problèmes de bandits – Application aux réseaux sociaux