📝 Description
Formation technique d'introduction au Machine Learning avec Python. Apprenez à préparer des données, entraîner et évaluer des modèles ML classiques avec les bibliothèques Scikit-learn, Pandas et Matplotlib. Idéale pour les développeurs et data analysts souhaitant acquérir des bases solides en ML.
🎯 Objectifs pédagogiques
- Maîtriser les fondamentaux du Machine Learning
- Préparer et nettoyer des données avec Pandas
- Entraîner des modèles de classification et régression
- Évaluer et comparer les performances des modèles
- Éviter le surapprentissage (overfitting)
- Appliquer le ML sur des cas concrets
👥 Public concerné
- Développeurs Python
- Data analysts
- Ingénieurs IT souhaitant évoluer vers le ML
- Étudiants en informatique
📋 Prérequis
- Maîtrise de Python (bases indispensables)
- Notions de statistiques (moyenne, écart-type)
- Algèbre linéaire basique appréciée
📚 Programme détaillé
Chapitre - Environnement et outils
▼
- Python pour la data science
- Jupyter Notebook
- Bibliothèques : Pandas, NumPy, Matplotlib, Scikit-learn
Chapitre - Préparation des données
▼
- Chargement et exploration (EDA)
- Nettoyage et gestion des valeurs manquantes
- Feature engineering et normalisation
Chapitre - Apprentissage supervisé - Classification
▼
- Régression logistique
- Arbres de décision et Random Forest
- SVM et KNN
Chapitre - Apprentissage supervisé - Régression
▼
- Régression linéaire simple et multiple
- Ridge, Lasso
- Évaluation : RMSE, R², MAE
Chapitre - Apprentissage non supervisé
▼
- K-Means clustering
- PCA - réduction de dimensionnalité
- Détection d'anomalies
Chapitre - Évaluation et optimisation
▼
- Validation croisée
- Courbes ROC et matrices de confusion
- Hyperparameter tuning (GridSearchCV)
🏆 Certification
Attestation Machine Learning IT4 Consulting
Attestation délivrée après réalisation d'un projet ML complet en fin de formation (de la préparation des données au modèle évalué). Valide les compétences techniques en ML supervisé et non supervisé.