Formation/Cours

Comprendre et mettre en œuvre les différentes approches d’apprentissage automatique.

Utiliser les bibliothèques Python pour l’apprentissage automatique.

Résoudre des cas pratiques à l’aide de diverses techniques d’apprentissage automatique.

Introduction à l’apprentissage automatique

• Cycle de vie des données


• Machine Learning VS Data Science


• Applications

Rappel Python, Jupyter Notebook, Google Colab

Apprentissage Supervisé et Non Supervisé

• Données et étiquetage


• Transformation et Regroupement (clustering)


• Modèles d’apprentissage non supervisé


• Classification et Régression


• Modèles d’apprentissage supervisé


• Entrainement et test


• Métriques d’évaluation, matrice de confusion

Etudes de cas

Ouverture :

• Notions sur les réseaux neuronaux et l’apprentissage profond


• Notions sur l’apprentissage par renforcement