
Introduction au machine Learning avec Python
Description
Cette formation, vous permettra d’appréhender et d’appliquer les algorithmes de machine learning (apprentissage automatique) avec la librairie scikit-learn.
Public concerné
Ingénieurs, développeurs, scientifiques, enseignants, etc.
Objectifs de la formation
A l’issue de la formation, le stagiaire sera capable de :
- Appliquer des algorithmes de machine learning
- Identifier les limites du machine learning
- Mesurer la fiabilité d’un modèle
- Comparer différents algorithmes
Prérequis
Pour suivre efficacement cette formation, les stagiaires doivent avoir :
- Une solide maîtrise de Python: Compréhension des structures de données (listes, dictionnaires, etc.), des fonctions, des modules, des classes et de l'orienté objet.
- Des connaissances en mathématiques: Notions de statistiques (moyenne, variance, corrélation), d'algèbre linéaire (matrices, vecteurs) et de probabilités.
- Une curiosité pour l'analyse de données: Intérêt pour la manipulation et l'interprétation de données.
Programme de la formation
Introduction
- Qu’est-ce que le machine learning ?
- Pourquoi Python pour le machine learning ?
- Pourquoi utiliser le machine learning ?
- Apprentissage supervisé
- Apprentissage non-supervisé
- Apprentissage par renforcement
- Les défis du machine learning
Les étapes d’un projet machine learning
- Récupérer des données
- Visualiser des données
- Préparer et nettoyer les données
- Sélectionner et entraîner un modèle
- Mesurer la fiabilité d’un modèle
Algorithmes de machine learning : théorie et pratique avec scikit-learn
- Classification
- Régression
- SVM
- Clustering
- Arbres de décision
- Forêts aléatoires
- Réduction de dimension