Accueil Mooc Machine learning in Python with scikit-learn

Mooc Machine learning in Python with scikit-learn

Construire des modèles prédictifs avec scikit-learn et acquérir une compréhension pratique des forces et limites de l’apprentissage automatique !

Avec ce cours disponible en anglais uniquement et gratuit, vous apprendrez les bases de l’apprentissage automatique et comment utiliser la bibliothèque Python scikit-learn. Ce Mooc est accessible à toute personne ayant des compétences de base en programmation Python.

Le cours, conçu et réalisé par l’équipe scikit-learn, propose une approche pratique avec des exemples d’application concrets et basée sur du code Python exécuté par les participants. Tout est intégré dans le Mooc et vous n’avez rien à installer.

Ce que vous apprendrez

A la fin du cours, vous serez capable de:

  • Comprendre les concepts fondamentaux de l’apprentissage automatique
  • Construire un pipeline de modélisation prédictive avec scikit-learn
  • Développer les notions associées aux modèles d’apprentissage automatique, des modèles linéaires aux arbres de décision
  • Évaluer les performances statistiques de vos modèles

Course curriculum

  • Introduction: Machine Learning concepts
  • Module 1: The Predictive Modeling Pipeline
  • Module 2: Selecting the best model
  • Module 3: Hyperparameter tuning
  • Module 4: Linear Models
  • Module 5: Decision tree models
  • Module 6: Ensemble of models
  • Module 7: Evaluating model performance

Pour qui est ce cours ?

Pour suivre ce cours, il est recommandé d’avoir :

  • une connaissance de base de la programmation Python : définition de variables, écriture de fonctions, importation de modules
  • une certaine expérience pratique des bibliothèques NumPy, Pandas et Matplotlib sans être obligatoire. Pour une connaissance de base de ces bibliothèques, vous pouvez utiliser les ressources suivantes : Introduction to NumPy and Matplotlib by Sebastian Raschka et 10 minutes to pandas.

Format

Le cours aborde les aspects pratiques de l’apprentissage automatique à travers l’utilisation de notebooks Jupyter et d’exercices. Tout au long du cours, les conseils pratiques pour une utilisation optimale de scikit-learn sont donnés.

Informations utiles et liens :

Les commentaires sont fermés.