Comment sélectionner les deux dernières colonnes d’un tableau NumPy 2D ?

Utilisez l’indexation A[:, -2:] pour récupérer toutes les lignes et les deux dernières colonnes.

Pourquoi utiliser random.seed() dans un projet de machine learning Python ?

Cela rend les tirages aléatoires reproductibles, afin d’obtenir des résultats comparables entre les exécutions.

Quel ordre utiliser avec scikit-learn pour entraîner, évaluer puis prédire un modèle ?

Appelez fit() pour entraîner, score() ou une métrique pour évaluer, puis predict() pour prédire.

Image de cours gratuite Python et Machine Learning

Cours en ligne gratuit Python et Machine Learning

Durée du cours en ligne : 12 heure et 46 minutes

(6)

Développez vos bases en Python et lancez-vous en machine learning: cours en ligne gratuit avec exercices, NumPy, pandas, dataviz et scikit-learn.

Dans ce cours gratuit, découvrez

Fondamentaux de Python pour le Machine Learning
Calcul scientifique et visualisation avec Python
Manipulation, exploration et visualisation des données
Apprentissage supervisé et évaluation des modèles
Prétraitement, pipelines et sélection de variables
Méthodes avancées et démarche de Data Science
Projets pratiques et progression en Machine Learning

À propos du cours en ligne gratuit

Passer de Python au Machine Learning peut sembler intimidant, mais avec les bons fondamentaux, tout devient plus clair et plus concret. Ce cours en ligne gratuit vous guide pas à pas pour coder plus vite, mieux structurer vos scripts et comprendre les outils incontournables utilisés en data science. L’objectif est de vous rendre autonome, capable de manipuler des données, d’expérimenter et de construire vos premiers modèles sans vous perdre dans la complexité.

Vous consolidez les bases du langage Python utiles en contexte ML, depuis les variables et les fonctions jusqu’aux boucles, conditions et structures de données. Vous apprenez aussi à écrire un code plus propre et réutilisable grâce à une approche orientée objet, tout en adoptant les bons réflexes pour travailler efficacement dans un environnement de data science. Les notions de reproductibilité et de rigueur sont abordées afin d’obtenir des résultats cohérents lors d’entraînements et de tests.

La formation vous emmène ensuite vers l’écosystème scientifique de Python. Vous développez votre aisance avec NumPy pour créer, indexer et transformer des tableaux, effectuer des calculs statistiques, comprendre le broadcasting et préparer des données à grande échelle. Vous explorez la visualisation avec Matplotlib et Seaborn pour rendre vos analyses lisibles, repérer des tendances et mieux interpréter des résultats, y compris sur des problèmes de classification.

Pour passer de l’analyse à l’action, vous utilisez pandas afin de nettoyer des jeux de données, gérer les valeurs manquantes, travailler avec des séries temporelles et structurer des DataFrames exploitables. Enfin, vous mettez tout cela au service du machine learning supervisé avec scikit-learn, en appliquant un flux de travail réaliste allant de l’entraînement à l’évaluation, puis à la prédiction. Des vidéos et des exercices vous aident à valider les acquis et à progresser rapidement vers des compétences recherchées pour des projets data, des études ou une évolution professionnelle.

Contenu du cours

Leçon vidéo : FORMATION PYTHON MACHINE LEARNING (2020) (1/30) 08m
Exercice: Dans Anaconda, quels éditeurs sont principalement utilisés pour coder en Python en Data Science et Machine Learning ?
Leçon vidéo : PYTHON VARIABLES ET FONCTIONS (2/30) 15m
Exercice: En Python, quelle instruction permet à une fonction de fournir une valeur réutilisable en dehors de la fonction ?
Leçon vidéo : PYTHON IF/ELSE, WHILE, FOR (3/30) 13m
Exercice: En Python, quelle structure de contrôle convient pour exécuter une tâche exactement 10 fois, par exemple 10 époques de entrainement ML ?
Leçon vidéo : PYTHON LISTES et TUPLES (4/30) 18m
Exercice: Python pour le Machine Learning: sélectionner les trois premiers éléments dune liste
Leçon vidéo : PYTHON DICTIONNAIRES (5/30) 12m
Exercice: En machine learning, quelle structure Python est la plus adaptée pour stocker et passer les paramètres d’un réseau, comme W1 et b1, entre fonctions ?
Leçon vidéo : PYTHON LIST DICT COMPREHENSION (6/30) 12m
Exercice: En Python, que produit l expression (i**2 for i in range(10)) ?
Leçon vidéo : PYTHON BUILT-IN FUNCTIONS (7/30) 20m
Exercice: Quel mode de la fonction open permet de9crire e0 la fin d19un fichier sans effacer son contenu existant ?
Leçon vidéo : PYTHON MODULES ET PACKAGES (8/30) 20m
Exercice: Pourquoi fixer une graine aléatoire avec random.seed en Python pour un projet de Machine Learning ?
Leçon vidéo : PYTHON PROGRAMMATION ORIENTÉE OBJET et impact en machine learning (9/30) 10m
Exercice: Quelle affirmation est correcte sur les objets NumPy en POO pour le ML ?

Leçon vidéo : PYTHON NUMPY machine learning (10/30) 24m
Exercice: Quelle fonction NumPy crée un tableau 1D de N valeurs également espacées entre un début et une fin inclusifs par défaut ?
Leçon vidéo : PYTHON NUMPY Indexing Slicing Masking (11/30) 19m
Exercice: NumPy: comment sélectionner les deux dernières colonnes d27un tableau 2D A ?
Leçon vidéo : PYTHON NUMPY STATISTIQUES et MATHÉMATIQUES (12/30) 30m
Exercice: Dans NumPy, que calcule np.sum(A, axis=0) pour une matrice 2D A ?
Leçon vidéo : PYTHON NUMPY BROADCASTING (13/30) 16m
Exercice: NumPy broadcasting: quelle forme renvoie x - y si x.shape = (100,1) et y.shape = (100,) ?
Leçon vidéo : MATPLOTLIB - Les Bases ! (14/30) 18m
Exercice: Quel ordre dappels Pyplot est correct pour crer une figure, tracer deux courbes et l19afficher hors de Jupytera0?
Leçon vidéo : MATPLOTLIB - Graphiques Importants (15/30) 24m
Exercice: Quel code Matplotlib est le plus adapté pour visualiser un probleme de classification en 2D en colorant les points selon leur classe
Leçon vidéo : SCIPY PYTHON Tutoriel - Optimize, Fourier, NdImage (16/30) 30m
Exercice: Dans SciPy, quelle fonction est la plus adaptee pour estimer automatiquement les parametres d un modele a partir d un nuage de points via la methode des moindres carres

Leçon vidéo : PANDAS PYTHON Français - Introduction Analyse du Titanic (17/30) 17m
Exercice: Dans pandas, quelle méthode permet d’éliminer les lignes contenant des valeurs manquantes afin de nettoyer un DataFrame ?
Leçon vidéo : PANDAS PYTHON Tutoriel Français - Time Series (18/30) 25m
Exercice: Comment configurer correctement un DateTimeIndex lors de l import d un CSV avec pandas pour analyser des séries temporelles ?
Leçon vidéo : SEABORN PYTHON TUTORIEL PAIRPLOT etc : Les PLUS BEAUX GRAPHIQUES en 1 Ligne de Code ! (19/30) 17m
Exercice: Quel est le meilleur choix pour explorer un dataset riche en variables catégorielles avec Python et Seaborn ?

Leçon vidéo : PYTHON SKLEARN: KNN, LinearRegression et SUPERVISED LEARNING (20/30) 20m
Exercice: Quelle séquence de méthodes Sklearn respecte l'ordre entraînement → évaluation → prédiction ?
Leçon vidéo : PYTHON SKLEARN - MODEL SELECTION : Train_test_split, Cross Validation, GridSearchCV (21/30) 21m
Exercice: À quoi sert la cross-validation (ex. K-fold) lors de l’optimisation d’un modèle avec scikit-learn ?
Leçon vidéo : CROSS-VALIDATION SKLEARN PYTHON (Techniques expliquées en Français) 21m
Exercice: Quelle technique de validation croisée convient le mieux aux classes déséquilibrées en Python avec scikit-learn ?
Leçon vidéo : MÉTRIQUES de RÉGRESSIONS en DATA SCIENCE (Coefficient de Détermination, Erreur Quadratique, etc... ) 18m
Exercice: Quelle me9trique pe9nalise le plus les grandes erreurs en re9gressiona0?

Leçon vidéo : PYTHON SKLEARN PRE-PROCESSING PIPELINE (22/30) 37m
Exercice: Quel transformateur de scikit-learn est le plus adapté pour normaliser des variables numériques contenant des valeurs aberrantes
Leçon vidéo : SKLEARN PIPELINE AVANCÉE 14m
Exercice: Quel outil scikit-learn permet dappliquer des transformations diffrentes aux variables numriques et catgorielles dans un m pipeline unique
Leçon vidéo : SKLEARN IMPUTER : NETTOYAGE DE DONNÉES 12m
Exercice: Lors de limputation avec scikit-learn, pourquoi faut-il ajuster limputeur uniquement sur le train puis lappliquer au test ?
Leçon vidéo : FEATURE SELECTION avec SKLEARN (23/30) 26m
Exercice: Quel est le rôle du transformeur VarianceThreshold en sce9lection de variables

Leçon vidéo : APPRENTISSAGE NON-SUPERVISÉ avec Python (24/30) 41m
Exercice: Quel crite8re lb4algorithme KMeans minimise-t-il lors du clustering non supervise9 ?
Leçon vidéo : ENSEMBLE LEARNING : BAGGING, BOOSTING et STACKING (25/30) 25m
Exercice: Dans scikit-learn, quelle technique d'ensemble réduit principalement la variance en entraînant plusieurs modèles en parallèle sur des échantillons bootstrap ?
Leçon vidéo : DATA SCIENCE ET DÉMARCHE DE TRAVAIL (26/30) 16m
Exercice: Dans un jeu de donne9es de classification tre8s de9se9quilibre9, quelle me9trique est la plus pertinente pour e9valuer le mode8le plutf4t que lb4exactitude ?

Leçon vidéo : EXPLORATORY DATA ANALYSIS - CORRIGÉ (27/30) 1h06m
Exercice: Quelle approche reproduit au mieux l'analyse des valeurs manquantes avant la mode9lisation en Python
Leçon vidéo : PRÉ-TRAITEMENT DE DONNÉES avec Python (28/30) 44m
Exercice: Quelle est la démarche minimale de préprocessing recommandée avant d'entraîner un premier modèle en Python pour le Machine Learning ?
Leçon vidéo : MODÈLE DE MACHINE LEARNING - Covid19 (29/30) 36m
Exercice: Pourquoi ajouter un StandardScaler dans une pipeline avant un SVC ou un KNN en Python pour un projet de classification
Leçon vidéo : Apprendre le Machine Learning : Que faire maintenant ??? (30/30) 07m
Exercice: Quelle action est la plus recommandée pour progresser rapidement en Machine Learning avec Python ?

Apprenez-en plus surPython

Découvrez notre sélection de cours en ligne gratuits sur Python pour apprendre à programmer à votre rythme, des bases aux concepts avancés. Développez vos compétences grâce à des formations accessibles aux débutants comme aux profils expérimentés, avec exercices pratiques et possibilité d’obtenir un certificat pour valoriser votre apprentissage.

Cours en ligne gratuits sur Machine Learning

Apprenez-en plus surMachine Learning

Découvrez notre sélection de cours en ligne gratuits sur le Machine Learning : apprenez les algorithmes, la régression, la classification, les réseaux de neurones et l’analyse de données à votre rythme. Accessibles aux débutants comme aux profils avancés, ces formations gratuites permettent, selon le cours, d’obtenir un certificat pour valoriser vos compétences.

Cours en ligne gratuits sur Data Science

Apprenez-en plus surData Science

Découvrez notre sélection de cours en ligne gratuits en Data Science pour apprendre à analyser, visualiser et interpréter les données. Formez-vous à Python, R, au machine learning, aux statistiques et au Big Data, quel que soit votre niveau. Progressez à votre rythme et profitez, selon les programmes, de la possibilité d’obtenir un certificat.