
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
 
                  
                        


