Construisez vos premiers modèles prédictifs, de la préparation des données à la mise en production. Régression, classification, clustering et évaluation avec Python et scikit-learn, sur des cas concrets.
Apprentissage supervisé et non supervisé, cycle d’un projet ML, choix du problème.
Exploration des données avec Pandas, NumPy et visualisation.
Nettoyage, valeurs manquantes, encodage et mise à l’échelle.
Feature engineering et pipelines scikit-learn.
Régression linéaire et logistique, arbres de décision.
Forêts aléatoires, gradient boosting (XGBoost) et comparaison des modèles.
Validation croisée, métriques, surapprentissage et réglage des hyperparamètres.
Clustering et réduction de dimension (K-means, PCA).
Sauvegarde du modèle, API de prédiction et bonnes pratiques de déploiement.
Projet complet sur un jeu de données réel et présentation.
Prêt à construire vos modèles prédictifs ?