Fondations de l'IA et de l'apprentissage automatique - Python, science des données et MLOps

Aperçu

Maîtrisez les fondamentaux de l'IA et du machine learning à travers Python, des concepts de base aux algorithmes avancés, avec des projets pratiques en analyse prédictive et des conseils concrets pour lancer une carrière en data science.

Programme

• Introduction à l'IA et à l'apprentissage automatique
Aperçu de l'IA et de l'apprentissage automatique
Contexte historique et évolution
Tendances actuelles et applications
• Python pour l'IA et l'apprentissage automatique
Notions de base et configuration de Python
Numpy et Pandas pour la manipulation de données
Visualisation de données avec Matplotlib et Seaborn
• Fondamentaux de la science des données
Collecte et nettoyage des données
Statistiques descriptives
Analyse de données exploratoire (EDA)
• Apprentissage supervisé
Régression (linéaire, logistique)
Algorithmes de classification (arbres de décision, machines à vecteurs de support, k-NN)
Indicateurs d'évaluation de modèles
• Apprentissage non supervisé
Clustering (k-Means, hiérarchique)
Réduction de dimensionnalité (PCA, t-SNE)
Détection d'anomalies
• Algorithmes avancés d'apprentissage automatique
Méthodes d'ensemble (forêts aléatoires, gradient boosting)
Notions de base des réseaux neuronaux
Introduction à l'apprentissage profond
• Projets pratiques en analytique prédictive
Projet 1 : Modélisation prédictive avec régression
Projet 2 : Segmentation de clients par clustering
Projet 3 : Classification d'images avec l'apprentissage profond
• Introduction aux MLOps
Notions de base du déploiement de modèles
Pipelines CI/CD pour l'apprentissage automatique
Surveillance et maintenance des modèles
• Conseils pratiques pour une carrière en science des données
Construction d'un portfolio
Réseautage et engagement communautaire
Préparation aux entretiens et voies de carrière
• Résumé du cours et étapes suivantes
Récapitulatif des concepts clés
Ressources supplémentaires pour un apprentissage continu
Certifications et options d'éducation supérieure

---

Sujets

Science des données