Formation Machine Learning avec Python

• Découvrir le module scikit-learn
• Développer des modèles de Data Science tels que les Random Forest et/ou Gradient Boosting
• Apprendre à faire du préprocessing
• Découvrir les algorithmes de régression
• Découvrir les algorithmes de classification
• Découvrir la cross validation
• Découvrir les modèles non supervisés
• Découvrir les pipelines
• Découvrir la sauvegarde des modèles

Développer des scripts Python pour la mise en place de pipelines de machine learning

• La méthodologie de scikit learn (méthodes fit / predict / transform)
• Le preprocessing sous scikit-learn
• Les principales méthodes de classification et métriques
  • Régressions logistiques 
  • Arbres de décision
  • Random Forest
  • Gradient Boosting
• Les principales méthodes de régressions et métriques
  • Régressions linéaires 
  • Arbres de décision
  • Random Forest
  • Gradient Boosting
•  Les méthodes non supervisées
  • ACP
  • Clustering (Kmeans, CAH)
• Tuning des hyperparamètres et cross validation
• Les pipelines, la sauvegarde des modèles