Incertain où
commencer?

Track

Certificat

Maîtrise de l'Apprentissage Automatique

4.5+

★★★★★

6 avis

Intermediate

Maîtrisez l'ensemble du spectre de l'apprentissage automatique avec Python, en combinant compétences pratiques et bases théoriques solides. Développez des modèles rapidement avec scikit-learn et renforcez votre compréhension des probabilités, de l'algèbre linéaire et de l'optimisation. Afficher plus

python

Boost your Tech Skills!

with up to 55% off

What you'll get with our subscription:

Access to 85+ top-rated courses
AI-driven Learning
Workspaces for practicing your skills
Personalized study tracks
Certificates of completion

Training 2 or more people?

Get your team access to Codefinity courses anytime, anywhere.

Try Codefinity Teams

What you will learn

Build your first machine learning models with scikit-learn
Strengthen your foundation with probability, linear algebra, and optimization
Implement and evaluate regression techniques for forecasting and analysis
Apply classification methods to organize and interpret complex data
Explore clustering to uncover hidden patterns in unlabeled datasets
Understand the fundamentals of reinforcement learning and its applications
Design and train neural networks to grasp the basics of deep learning

188 chapters
21 hours
182 tasks

Trusted by employees of leading companies

Learning track content

Module 1 / Introduction au ML avec Scikit-learn

Découvrez les concepts de l'apprentissage automatique et le flux de travail d'un projet ML.

Un pipeline est une méthode élégante pour combiner toutes les étapes de prétraitement ainsi qu’un modèle. Les pipelines facilitent grandement l’entraînement et l’utilisation d’un modèle.

Module 2 / Mathématiques pour la Science des Données

Maîtrise des concepts d'ensembles et de séries, des opérations de base aux applications pratiques. Expérience pratique de la mise en œuvre des opérations sur les ensembles et du travail avec les séries arithmétiques et géométriques en Python.

Acquisition de connaissances solides sur les vecteurs, les matrices et les transformations. Étude des méthodes de décomposition et de l'analyse des valeurs propres, avec consolidation des concepts à travers des exercices de programmation Python et des applications pratiques en science des données.

Approfondissement de la théorie des probabilités et des statistiques. Étude de la probabilité conditionnelle, du théorème de Bayes et des mesures statistiques. Mise en œuvre des concepts clés en Python, simulation de distributions et consolidation des compétences par des exercices et des quiz.

Module 3 / Prétraitement des Données et Ingénierie des Variables

Maîtriser les étapes fondamentales du nettoyage et de la préparation des données brutes pour l'analyse et l'apprentissage automatique.

Transformation des données brutes en caractéristiques exploitables pour les modèles d'apprentissage automatique.

Conception et sélection de caractéristiques pour améliorer la performance et l'interprétabilité du modèle.

Module 4 / Régression Linéaire Avec Python

Commençons par le modèle de régression linéaire le plus simple. Vous découvrirez le principe de la régression linéaire et la réalisation de prédictions en Python.

La plupart des tâches de prédiction réelles impliquent plus d'une variable. Vous apprendrez à gérer la régression linéaire avec plusieurs variables explicatives.

Une droite ne décrit pas toujours correctement les données. Apprenons à construire un modèle plus complexe pour la prédiction. C'est à cela que sert la régression polynomiale.

Maintenant que vous savez construire plusieurs modèles de régression linéaire, il est nécessaire de sélectionner le meilleur. Cela est possible grâce à l'utilisation de métriques. Cette section présente les métriques les plus couramment utilisées ainsi que les difficultés rencontrées lors de leur utilisation.

Module 5 / Classification avec Python

Découvrez comment l'algorithme des k plus proches voisins effectue des prédictions basées sur la similarité. Apprenez à gérer plusieurs caractéristiques, à ajuster les paramètres et à appliquer la validation croisée pour améliorer la précision.

Comprendre comment la régression logistique modélise les probabilités et classe les résultats. S'exercer à l'implémenter, à interpréter les frontières de décision et à appliquer la régularisation pour éviter le surapprentissage.

Découvrez comment les arbres de décision divisent les données en groupes significatifs selon les valeurs des caractéristiques. Explorez l'influence de paramètres tels que la profondeur de l'arbre et le nombre minimal d'échantillons par feuille sur la performance et la généralisation du modèle.

Découvrez comment les forêts aléatoires combinent plusieurs arbres de décision pour améliorer la précision et la robustesse. Comprenez le rôle de l'aléatoire et appliquez cette méthode d'ensemble à des données réelles.

Évaluation des modèles à l'aide de métriques telles que l'exactitude, la précision, le rappel et le score F1. Interprétation des matrices de confusion et comparaison de plusieurs classificateurs afin d'identifier le modèle le plus performant.

Module 6 / Analyse de Clusters

Approfondissement des fondamentaux du clustering et distinction par rapport à la classification. Exploration des algorithmes, outils et bibliothèques essentiels qui alimentent cette technique d'apprentissage non supervisé pour révéler des structures cachées dans les données.

Acquérir une compréhension approfondie des principales techniques de prétraitement garantissant un regroupement efficace. Comprendre la gestion des valeurs manquantes, l'encodage des variables catégorielles, la normalisation des données, ainsi que le choix des mesures de distance et des méthodes de liaison appropriées pour améliorer la précision du regroupement.

Maîtrise des compétences nécessaires pour appliquer efficacement le clustering K-Means. Compréhension du fonctionnement de l'algorithme, détermination du nombre optimal de clusters et expérience pratique de l'implémentation de K-Means sur des jeux de données synthétiques et réels.

Découvrez les principes fondamentaux du regroupement hiérarchique et la manière de regrouper des données en ensembles significatifs à l'aide de dendrogrammes. Acquérez une maîtrise dans l'identification du nombre optimal de groupes et dans l'application de cette technique sur des jeux de données synthétiques et réels.

Découvrez comment DBSCAN excelle dans la détection de groupes de formes variées et la gestion du bruit dans les données. Comprenez le fonctionnement de cet algorithme basé sur la densité, la méthode d’attribution des points aux groupes, et son application sur des ensembles de données synthétiques et réels en toute confiance.

Compréhension approfondie des modèles de mélange gaussien et de l'utilisation de la probabilité pour modéliser des formes de clusters complexes. Principes de la distribution gaussienne. Exploration du fonctionnement des GMM. Application des GMM à des données factices et réelles pour renforcer la compréhension.

Module 7 / Evaluation Metrics in Machine Learning

Explore the fundamental metrics used to evaluate classification models, including their definitions, formulas, Python implementations, and interpretation. Includes advanced metrics and model validation techniques relevant to classification.

Delve into the core metrics for evaluating regression models, including their mathematical foundations, Python implementations, and result interpretation. Includes advanced validation techniques relevant to regression.

Examine the key metrics for evaluating unsupervised learning models, including clustering, dimensionality reduction, and anomaly detection. Learn their mathematical foundations, Python implementations, and interpretation.

Requirements

A computer with a browser - all browsers are supported.
Your enthusiasm to enhance your tech skills.
Everything else needed to start learning and practicing is already included in this course.

Over 200,000 5-star ratings and counting

Ruslan Kravchuk

L'essentiel est d'apprendre et de ne pas abandonner

Le matériel est bon, il y a beaucoup à apprendre, tout cela pour s'améliorer, et l'essentiel est d'apprendre ce que vous souhaitez....

Matteo Comune

Grâce à eux, j'apprends énormément…

Grâce à eux, j'apprends beaucoup plus rapidement car ils vous aident à tout comprendre depuis le début. C'est le meilleur site web pour aider les personnes sans connaissances préalables en informatique...

Yuliana Cadavid

super cours pour débutants

super cours pour débutants, ils testent vos connaissances à chaque leçon...

Elpunzon

Je profite pleinement de mon expérience Codefinity…

Je profite pleinement de mon expérience Codefinity en apprenant Python. L'apprentissage à votre rythme est idéal car il s'adapte à votre emploi du temps...

Alexandru Alexandru

C'est agréable d'apprendre avec Codefinity

C'est agréable d'apprendre avec Codefinity. C'est facile et il y a de bons exemples de ce que j'ai appris ici...

jacob Templet

Easy to follow along with and provides…

Facile à suivre et apporte un défi dans mon quotidien. Ce défi me motive à apprendre chaque jour...

Elan

Codefinity est un outil d'apprentissage complet…

Codefinity est un outil d'apprentissage complet qui vous aide à développer vos compétences en tant qu'ingénieur logiciel ou data scientist. Les exercices sont amusants et constituent un excellent moyen d'affiner vos compétences...

Thibault

Première fois que j'apprends à coder

Première fois que j'apprends à coder et je réussis grâce à Codefinity - merci...

Adrien Morel

Parfaitement conçu pour les débutants complets

Parfaitement conçu pour les débutants complets, le progrès pas à pas me donne confiance....

_Gracy

c'est tout simplement parfaitement bien expliqué

C'est tout simplement parfaitement bien expliqué ! Jusqu'à présent, je n'ai rencontré aucune difficulté car tout est si bien organisé...

Ruslan Kravchuk

L'essentiel est d'apprendre et de ne pas abandonner

Le matériel est bon, il y a beaucoup à apprendre, tout cela pour s'améliorer, et l'essentiel est d'apprendre ce que vous souhaitez....

Matteo Comune

Grâce à eux, j'apprends énormément…

Yuliana Cadavid

super cours pour débutants

super cours pour débutants, ils testent vos connaissances à chaque leçon...

Elpunzon

Je profite pleinement de mon expérience Codefinity…

Je profite pleinement de mon expérience Codefinity en apprenant Python. L'apprentissage à votre rythme est idéal car il s'adapte à votre emploi du temps...

Alexandru Alexandru

C'est agréable d'apprendre avec Codefinity

C'est agréable d'apprendre avec Codefinity. C'est facile et il y a de bons exemples de ce que j'ai appris ici...

jacob Templet

Easy to follow along with and provides…

Facile à suivre et apporte un défi dans mon quotidien. Ce défi me motive à apprendre chaque jour...

Elan

Codefinity est un outil d'apprentissage complet…

Thibault

Première fois que j'apprends à coder

Première fois que j'apprends à coder et je réussis grâce à Codefinity - merci...

Adrien Morel

Parfaitement conçu pour les débutants complets

Parfaitement conçu pour les débutants complets, le progrès pas à pas me donne confiance....

_Gracy

c'est tout simplement parfaitement bien expliqué

C'est tout simplement parfaitement bien expliqué ! Jusqu'à présent, je n'ai rencontré aucune difficulté car tout est si bien organisé...

Data Engineer

Certificat de Réalisation

Montrez vos compétences nouvellement acquises. Vous l'avez mérité

Discover more
Learning tracks

	ProBest intro offer	UltimateA complete experience to kickstart your career
85+ Top-Rated courses
Completion certificates
AI-Assistant in all courses
20+ hands-on Real-world projects
Personalized study tracks
Unlimited workspaces

Maîtrise de l'Apprentissage Automatique

TEST TRACK 12

Développement Web Full Stack

Devenez Développeur React

Maîtriser la Visualisation des Données

SQL de Zéro à Héros

Essentiels de C++

Python de Zéro à Héros

Python au-delà de l'Intermédiaire

Essentiels de Java

Développement de Jeux avec Unity

Become a Django Developer

Flask for Dummies

Fondations du Développement Frontend

Web Developer from Zero to Hero

Preparation for Data Science

Odyssée du Deep Learning

Développement Web Avec C#

TEST E2E TRACK BEGINNER

Test Track

Skilled Python BackEnd Developer

Test Recalculate

Essentiels d'Excel

Full-Stack .NET Developer Journey

Full-Stack .NET Developer Journey

Test track with rating

TEST TEST TRACK

Fondation Analyste de Données

Maîtrise du C++

Java Web

Devenez un Ingénieur QA

Production Vidéo avec Adobe

Outils de Conception UI/UX

Test image upload track

Compétences Bureautiques Essentielles

GitHub from Zero to Hero

Développement de Sites Web Sans Code

C Programming & Low-Level Development

testes

Test translation track

Test CMS Track

Python for Data Analysis

Digital Marketing Essentials

Complete Social Media Management

Business AI Toolkit

Ready to get started?