Si vous souhaitez créer vos propres modèles prédictifs en Python avec des algorithmes de Machine Learning et découvrir cette branche de la Data Science, n’hésitez plus et rejoignez cette formation !
Les compétences que vous allez acquérir dans ce cours de Machine Learning :
Finissez ce module et vous aurez toutes les bases de Machine Learning. Les algorithmes de k Nearest Neighbors, régressions linéaires et logistiques, les clustering n’auront plus de secret pour vous. Vous aurez aussi la compétence d’évaluer et améliorer les performances des modèles prédictifs de Machine Learning.
Contenu de ce module :
Ce cours de Machine Learning explique pas à pas les notions compliquées de Machine Learning pour les rendre accessible au plus grand nombre.
Ce cours se veut progressif et pratique. On décortique étape par étape les mécanismes des algorithmes des k Nearest Neighbors (k plus proches voisins), de la régression linéaire, de la régression logistique et de l’algorithme des k-mean clustering. Une palette assez large et fondamentale du Machine Learning. Vous apprendrez à évaluer la qualité et précision de ces modèles via des métriques d’erreur. La validation croisée et l’optimisation d’hyper paramètres n’auront plus de secrets pour vous.
A chaque vidéo/étape, vous aurez un énoncé et c’est vous qui construisez pas à pas vos compétences en Machine Learning, ce qui nécessite plus de travail que de « simplement » suivre un formateur qui tape du code à l’écran et explique vaguement les concepts.
Devenez acteur de votre apprentissage !
A la fin de ce cours Machine Learning, vous aurez toutes les bases pour comprendre et construire vos propres modèles de Machine Learning plus poussés.
Contenu de ce cours en quelques chiffres:
- 3 grandes parties de niveau progressif (de débutant à intermédiaire)
- 16 sections clés pour appréhender les algorithmes et techniques de Machine Learning
- 5 datasets réels pour entrainer des modèles et faire des prédictions
- Code source inclus
Ce que vous apprendrez dans ce cours de Machine Learning :
- Les fondamentaux du Machine Learning avec Python
- L’algorithme des k plus proches voisins (k Nearest Neighbors)
- Création et évaluation de la qualité de modèles en tout genre
- Validation croisée holdout et des k-fold
- Régression linéaire
- Régression logistique
- Clustering des k-mean
- Classification simple & multiple