Apprentissage Automatique et Science des Données : Le Guide Visuel Complet

Aperçu

This course is for everyday people looking for an intuitive, beginner-friendly introduction to the world of machine learning and data science.

Programme

• Introduction à l'apprentissage automatique et à la science des données
Aperçu de l'apprentissage automatique
Concepts clés en science des données
Applications et impact sur la vie quotidienne
• Comprendre les données
Types de données : structurées vs non structurées
Méthodes de collecte de données
Bases du nettoyage et de la prétraitement des données
• Visualisation des données
Importance de la visualisation des données
Outils et techniques courants
Création de visualisations basiques
• Introduction aux algorithmes d'apprentissage automatique
Apprentissage supervisé vs non supervisé
Algorithmes courants : régression linéaire, arbres de décision, k-means clustering
Introduction à l'évaluation de modèles
• Construire un modèle d'apprentissage automatique simple
Choisir les bons outils (Python, bases de R)
Guide étape par étape pour construire un modèle
Évaluation des performances du modèle
• Introduction aux réseaux de neurones et à l'apprentissage profond
Bases des réseaux de neurones
Aperçu de l'apprentissage profond et de ses applications
• Considérations éthiques en apprentissage automatique
Biais dans les données et les modèles
Problèmes de confidentialité et sécurité des données
Implications sociales de l'IA
• Outils et bibliothèques de machine learning
Introduction aux bibliothèques populaires (Scikit-Learn, TensorFlow)
Mise en place d'un environnement basique
• Projets pratiques
Projet de classification simple
Analyse prédictive à petite échelle
Narration des données et création de rapports
• Résumé du cours et prochaines étapes
Récapitulatif des concepts clés
Ressources pour aller plus loin
Chemins de carrière en apprentissage automatique et en science des données

---

Enseigné par

Maven Analytics, Chris Dutton and Joshua MacCarty

---

Matières

Data Science