Cette semaine présente l'apprentissage supervisé, la classification, la prédiction et couvre plusieurs méthodes de classification de base, notamment l'induction par arbre de décision, la classification bayésienne, les machines à vecteurs de support, les réseaux neuronaux et les méthodes d'ensemble. Elle aborde également l'évaluation et la comparaison des modèles de classification.

Cette semaine vous présente l'apprentissage non supervisé, le clustering, et couvre plusieurs méthodes de clustering de base, notamment le partitionnement, le clustering hiérarchique, le clustering basé sur une grille, le clustering basé sur la densité et le clustering probabiliste. Des sujets avancés pour le clustering en haute dimension, le bi-clustering, le clustering de graphe et le clustering basé sur les contraintes sont également abordés.

Cette semaine aborde trois types de valeurs aberrantes (globales, contextuelles et collectives) et la manière dont différentes méthodes peuvent être utilisées pour identifier et analyser ces valeurs aberrantes. Elle aborde également certaines méthodes avancées d'exploration de données complexes, ainsi que les frontières de la recherche dans le domaine de l'exploration de données.