Les bases du Machine Learning avec Python

Des données à un modèle qui fonctionne : les idées clés du machine learning, construites pas à pas en Python.

Nettoyez un vrai jeu de données, entraînez vos premiers modèles avec scikit-learn et apprenez à distinguer un bon modèle d’un modèle chanceux. Conçu pour les développeurs et les étudiants qui débutent en data science.

Ce que vous saurez faire

• Préparer et explorer un jeu de données
• Entraîner et comparer des modèles de classification et de régression
• Évaluer les modèles avec les bonnes métriques

Avant de commencer

• Bases de Python : listes, fonctions, boucles

Programme du cours

1. Explorer et nettoyer un jeu de données: Un notebook pandas qui trouve et corrige les problèmes de données. Un jeu de données propre et un court rapport.
2. Vos premiers modèles: Modèles de classification et de régression avec scikit-learn. Une référence à battre.
3. Bon modèle ou modèle chanceux ?: Découpage train/test, validation croisée et bonnes métriques. Une évaluation que vous pouvez défendre.
4. Les variables qui comptent: Feature engineering et un pipeline complet. Un pipeline réutilisable pour votre portfolio.

Toutes les formations en IA et machine learning