Formation · beginner

Machine learning : les fondamentaux

catégorie Intelligence Artificielle & Data 8 modules ~36.7h 👁️ aperçu gratuit

Une introduction pratique au machine learning. Apprenez les algorithmes clés (régression, classification, clustering), comprenez comment évaluer un modèle et réalisez vos premiers projets ML avec Python et Scikit-learn. Prérequis : notions de base en Python.

📋 Programme

Créez un compte gratuit Inscrivez-vous ou connectez-vous pour accéder à cette formation.

Module 1 — Module 1 : Qu'est-ce que le Machine Learning ? 3 leçons

1.1 ML vs programmation traditionnelle Aperçu 45min

1.2 Les trois types de Machine Learning 50min

1.3 Le cycle de vie d'un projet ML 45min

Module 2 — Module 2 : Préparer ses données 3 leçons

2.1 Nettoyage et prétraitement Aperçu 50min

2.2 Feature engineering : créer de bonnes variables 55min

2.3 Train/Test split et validation croisée 50min

Module 3 — Module 3 : Régression avec Scikit-learn 4 leçons

3.1 La régression linéaire pas à pas Aperçu 55min

3.2 Régression multiple et polynomiale 50min

3.3 Métriques d'évaluation (MAE, MSE, R²) 50min

🛠️ Projet : Prédiction de prix immobiliers 90min

Module 4 — Module 4 : Classification 3 leçons

4.1 Régression logistique Aperçu 55min

4.2 K-Nearest Neighbors (KNN) 50min

4.3 Arbres de décision et Random Forest 55min

Module 5 — Module 5 : Évaluation des modèles 4 leçons

5.1 Matrice de confusion et métriques Aperçu 50min

5.2 Courbe ROC et AUC 45min

5.3 Overfitting et underfitting 55min

🛠️ Projet : Classification de fleurs Iris 75min

Module 6 — Module 6 : Clustering et réduction de dimension 3 leçons

6.1 K-Means clustering Aperçu 50min

6.2 DBSCAN et clustering basé densité 45min

6.3 PCA : analyse en composantes principales 55min

Module 7 — Module 7 : Introduction aux ensembles (Ensemble Methods) 3 leçons

7.1 Random Forest en profondeur Aperçu 55min

7.2 Gradient Boosting et XGBoost 55min

7.3 Quand utiliser quel algorithme ? 50min

Module 8 — Module 8 : Déploiement et MLOps 4 leçons

8.1 Sauvegarder et charger un modèle (pickle, joblib) Aperçu 45min

8.2 Créer une API simple avec Flask 55min

8.3 Introduction au MLOps 50min

🛠️ Projet final : Pipeline ML complet 120min

⭐ Avis des apprenants (0.0/5 · 0 avis)

Aucun avis pour le moment. Soyez le premier !

📚 Formations similaires

Intelligence Artificielle & Data

Introduction à l'intelligence artificiel...

Voir

Intelligence Artificielle & Data

Analyse de données avec Excel et Python

Voir

Intelligence Artificielle & Data

ChatGPT et outils IA au quotidien

Voir

Machine learning : les fondamentaux

Connectez-vous pour vous inscrire

Aperçu gratuit

Machine learning : les fondamentaux

Connectez-vous pour vous inscrire

Aperçu gratuit