Machine Learning

Statut actuel

Non-inscrit

Tarif

Gratuit

Commencer

Cette formation complète vous permettra d’acquérir une maîtrise pratique du Machine Learning en utilisant l’une des bibliothèques Python les plus populaires : Scikit-learn. Vous apprendrez à manipuler et analyser des données, à créer des modèles de régression, de classification et de clustering, à évaluer leur performance et à optimiser vos modèles. La formation couvre des techniques avancées comme les forêts aléatoires, le boosting, et la réduction de dimensionnalité avec PCA.

Grâce à des projets pratiques et des cas d’études réels, vous développerez les compétences nécessaires pour appliquer le Machine Learning dans des situations professionnelles. À la fin de la formation, vous serez capable de déployer des modèles de Machine Learning et d’utiliser des approches avancées pour résoudre des problèmes complexes de données.

Cette formation est idéale pour toute personne désireuse de se lancer dans le Machine Learning, qu’elle soit débutante ou déjà familière avec la programmation Python.

Contenu Cours

Introduction au Machine Learning
Définition et importance
Types : supervisé, non supervisé, par renforcement
Applications dans différents secteurs
Préparation de l'Environnement
Introduction à Jupyter Notebooks
Structure d’un projet ML
Rappels de Concepts Mathématiques et Statistiques
Régression linéaire et logistique
Algèbre linéaire : vecteurs, matrices
Statistiques : moyennes, écart-types, distributions
Introduction à Scikit-learn
Présentation de Scikit-learn
Chargement et exploration de datasets
Séparation entraînement/test
Prétraitement : normalisation, standardisation, imputation
Régression avec Scikit-learn
Régression linéaire
Régression polynomiale
Évaluation : R2, MSE, MAE
Classification avec Scikit-learn
KNN, Naive Bayes, SVM, arbres de décision
Implémentation d’un classificateur KNN
Métriques : précision, rappel, F1-score, ROC
Optimisation : grid search et cross-validation
1 de 3