Cours en ligne gratuitPython et Machine Learning
Durée du cours en ligne : 12 heure et 46 minutes
5
(1)
Apprenez Python et le Machine Learning avec Machine Learnia à travers un parcours complet et immersif. Idéal pour les passionnés de data science et de programmation.
Dans ce cours gratuit, découvrez
- Introduction et bases de Python pour le Machine Learning
- Manipulation numérique et visualisation des données
- Analyse de données avec pandas et visualisation avancée
- Bases de l'apprentissage supervisé avec scikit-learn
- Prétraitement, pipelines et sélection de variables
- Apprentissage non supervisé, ensembles et métriques avancées
- Études de cas, EDA et mise en production pédagogique
Descriptif du cours
Découvrez un parcours captivant à travers l'apprentissage de Python et du Machine Learning avec Machine Learnia. Ce cours complet offre une immersion totale dans l'univers de l'informatique, spécifiquement dans la sous-catégorie des langages de programmation.
La formation débute avec les fondamentaux du langage Python, abordant les variables, les fonctions, et les structures de contrôle telles que IF/ELSE, WHILE, et FOR. Vous progresserez ensuite vers la découverte des listes, tuples, dictionnaires, et des compréhensions de listes et dictionnaires, indispensables pour manipuler efficacement des données complexes.
Grâce à des modules sur la programmation orientée objet, vous comprendrez comment structurer vos programmes pour une meilleure réutilisabilité et un impact significatif sur le machine learning. L'apprentissage de bibliothèques essentielles telles que NumPy, Matplotlib et Pandas ne sera pas en reste. Vous vous familiariserez avec les concepts de NumPy, tels que l'indexation, le masquage, et le broadcasting. De plus, vous apprendrez à créer des visualisations percutantes avec Matplotlib et Seaborn.
Le cours vous guide également à travers des techniques avancées de modélisation avec Scikit-learn, comme la validation croisée et la sélection de modèles, tout en explorant des algorithmes supervisés et non supervisés. En approfondissant vos connaissances sur le prétraitement des données, la sélection de fonctionnalités, et le nettoyage des données, vous serez bien équipé pour résoudre des problèmes complexes de data science.
Enfin, le cours propose des études de cas pratiques, telles que l'analyse du Titanic et un modèle de machine learning appliqué au Covid-19, pour solidifier votre compréhension et appliquer vos compétences dans des contextes réels. En conclusion, il vous offre des indications sur les prochaines étapes à suivre pour continuer votre aventure dans le monde du machine learning.
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 d e9crire e0 la fin d 19un 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 d 27un 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 l 19afficher hors de Jupyter a0?
- 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 m e9trique p e9nalise le plus les grandes erreurs en r e9gression a0?
- 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 s c e9lection de variables
- Leçon vidéo : APPRENTISSAGE NON-SUPERVISÉ avec Python (24/30) 41m
- Exercice: Quel crit e8re l b4algorithme KMeans minimise-t-il lors du clustering non supervis e9 ?
- 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 donn e9es de classification tr e8s d e9s e9quilibr e9, quelle m e9trique est la plus pertinente pour e9valuer le mod e8le plut f4t que l b4exactitude ?
- Leçon vidéo : EXPLORATORY DATA ANALYSIS - CORRIGÉ (27/30) 1h06m
- Exercice: Quelle approche reproduit au mieux l'analyse des valeurs manquantes avant la mod e9lisation 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
Apprenez Python gratuitement avec nos cours en ligne! De débutant à avancé, maîtrisez la programmation, l'analyse de données et l'IA. Boostez votre carrière dès maintenant!
Apprenez-en plus surMachine Learning
Apprenez-en plus surData Science
Ce cours gratuit comprend:
12 heure et 46 minutes du cours vidéo en ligne
Certificat numérique de réussite du cours (gratuit)
Exercices pour développer vos connaissances
100% gratuit, du contenu au certificat
Prêt à commencer ?Téléchargez l’application et commencez dès aujourd’hui !
Installez l'application
dès maintenant pour accéder au cours
Plus de 5000 cours gratuits
Programmation, anglais, marketing digital et bien plus encore ! Apprenez ce que vous voulez, gratuitement.
Plan d'études avec IA
L'intelligence artificielle de notre application peut créer un planning d'études pour le cours que vous choisissez.
De débutant à professionnel accompli
Améliorez votre CV grâce à notre certificat gratuit, puis utilisez notre intelligence artificielle pour trouver l'emploi de vos rêves.
Vous pouvez également utiliser le code QR ou les liens ci-dessous.
Plus de cours gratuits sur Langages de programmation
Cours gratuitPython
4.39
(36)
18h34m
32 exercices
Cours gratuitApprendre la programmation
4.25
(4)
22h28m
34 exercices
Cours gratuitProgramme en C# sharp
4
(3)
11h51m
24 exercices
Cours gratuitProgramme en Java
3
(2)
14h14m
26 exercices
Cours gratuitApprendre Ruby
Nouveau cours
4h04m
15 exercices
Cours gratuitFormation Django
Nouveau cours
32h24m
33 exercices
Cours gratuitApprendre à coder en C pour dèbutants
Nouveau cours
1h49m
20 exercices
Cours gratuitPython
4.39
(36)
18h34m
32 exercices
Cours gratuitApprendre la programmation
4.25
(4)
22h28m
34 exercices
Cours gratuitProgramme en C# sharp
4
(3)
11h51m
24 exercices
Cours gratuitProgramme en Java
3
(2)
14h14m
26 exercices
Cours gratuitApprendre Ruby
Nouveau cours
4h04m
15 exercices
Cours gratuitFormation Django
Nouveau cours
32h24m
33 exercices
Cours gratuitApprendre à coder en C pour dèbutants
Nouveau cours
1h49m
20 exercices
Ebook + livres audio gratuits ! Apprenez en écoutant ou en lisant !
Cours Python avec Lambda et API Gateway pour le développement backend
5
(1)
142 pages
Apprenez à programmer en Java complet, de la logique de programmation à l'avancé
3
(2)
238 pages
Comment utiliser GPT Chat dans votre entreprise
Nouveau cours
36 pages
Cours de création de système avec Python et Django terminé
Nouveau cours
176 pages
Téléchargez l'application dès maintenant pour avoir accès à + 3300 cours gratuits, exercices, certificats et de nombreux contenus sans rien payer !
-
Cours en ligne 100% gratuits du début à la fin
Des milliers de cours en ligne en vidéo, livres électroniques et livres audio.
-
Plus de 48 000 exercices gratuits
Pour tester vos connaissances lors de cours en ligne
-
Certificat numérique gratuit et valide avec code QR
Généré directement à partir de la galerie de photos de votre téléphone portable et envoyé à votre adresse e-mail
Téléchargez notre application via QR Code ou les liens ci-dessous :.
