Découvrir l’apprentissage supervisé avec scikit-learn
6 chapitres · 51 leçons
≈ 13 h
Attestation de suivi
Réglable par votre employeur, sur devis et facture
Créez votre compte gratuit
11 leçons sont ouvertes, sans carte bancaire.
Créer mon compte
J’ai déjà un compte
Vos données sont hébergées dans l'Union européenne. Confidentialité
Description
Comment se déroule le cours
Chaque leçon est un texte structuré, illustré d’exemples et de schémas, suivi d’un quiz corrigé automatiquement. Vous avancez à votre rythme, et vos notes restent attachées à la leçon où vous les avez prises.
Ce format vous convient ?
Voir la première leçon11 leçons ouvertes, sans carte bancaire.
Programme
6 chapitres, 51 leçons
- 2. Machine learning avec scikit-learnouvert
- 2. Classification binaireouvert
- 2. Étapes clés de l’apprentissage superviséouvert
- 2. Relever un problème de classificationouvert
- 2. Ajuster un modèle avec les k plus proches voisinsouvert
- 2. Effectuer des prédictions avec les k plus proches voisinsouvert
- 2. Évaluer les performances du modèleouvert
- 2. Séparer les données et mesurer la précisionouvert
- 2. Identifier le surajustement et le sous-ajustementouvert
- 2. Analyser la complexité du modèleouvert
- 3. Introduction aux principes de la régressionabonnés
- 3. Créer et sélectionner des caractéristiques pertinentesabonnés
- 3. Construire un modèle de régression linéaireabonnés
- 3. Représenter graphiquement un modèle de régression linéaireabonnés
- 3. Assimiler les principes fondamentaux de la régression linéaireabonnés
- 3. Ajuster un modèle et réaliser des prédictionsabonnés
- 3. Évaluer les performances d’un modèle de régressionabonnés
- 3. Découvrir les principes de la validation croiséeabonnés
- 3. Évaluer le coefficient R² par validation croiséeabonnés
- 3. Interpréter les indicateurs de validation croiséeabonnés
- 3. Améliorer les modèles grâce à la régularisationabonnés
- 3. Appliquer la régularisation Ridge (Crête)abonnés
- 3. Identifier les caractéristiques importantes avec la régression Lassoabonnés
- 4. Évaluer la fiabilité et la qualité de votre modèleabonnés
- 4. Choisir une métrique d’évaluation adaptéeabonnés
- 4. Évaluer un classificateur de prédiction du diabèteabonnés
- 4. Découvrir la régression logistique et la courbe ROCabonnés
- 4. Construire un modèle de régression logistiqueabonnés
- 4. Tracer et interpréter la courbe ROCabonnés
- 4. Mesurer les performances avec l’aire sous la courbe ROC (ROC AUC)abonnés
- 4. Comprendre le réglage des hyperparamètresabonnés
- 4. Optimiser les hyperparamètres avec GridSearchCVabonnés
- 4. Explorer les hyperparamètres avec RandomizedSearchCVabonnés
- 5. Préparer et transformer les donnéesabonnés
- 5. Encoder les variables catégoriellesabonnés
- 5. Appliquer la régression aux données catégoriellesabonnés
- 5. Gérer les valeurs manquantesabonnés
- 5. Traiter les données incomplètes par suppressionabonnés
- 5. Construire un pipeline pour prédire le genre musical (1re partie)abonnés
- 5. Compléter le pipeline de prédiction du genre musical (2e partie)abonnés
- 5. Standardiser les données par centrage et mise à l’échelleabonnés
- 5. Appliquer la standardisation à un modèle de régressionabonnés
- 5. Standardiser les données pour la classificationabonnés
- 5. Comparer les performances de plusieurs modèlesabonnés
- 5. Visualiser les résultats des modèles de régressionabonnés
- 5. Effectuer des prédictions sur les données de testabonnés
- 5. Comparer graphiquement les performances des modèles de classificationabonnés
- 5. Créer un pipeline pour prédire la popularité des chansonsabonnés
- 5. Bilan des acquis du coursabonnés
Ce qui est inclus
Tout ce qui accompagne les leçons
51 leçonsIllustrées d’exemples et de schémas.
Quiz à chaque leçonCorrigés aussitôt ; seul votre meilleur score compte.
Vos notesPrises dans les leçons, retrouvées par section.
Questions du coursPosez-les dans la leçon : l’équipe et les apprenants répondent.
Suivi de progressionPar section, avec vos résultats aux quiz.
Attestation vérifiableNominative, avec un code unique.
Rythme
Combien de temps, selon votre disponibilité
Je peux y consacrer, par semaine :
Attestation
Ce que vous obtenez à la fin
ATTESTATION DE RÉUSSITEDécouvrir l’apprentissage supervisé avec scikit-learndélivrée à votre nom
Code uniqueVérifiable en ligne
Quand le cours est terminé, l’attestation est délivrée à votre nom. Son code permet à un recruteur de la vérifier en quelques secondes.
Ce n’est pas un diplôme ni une certification professionnelle ; c’est la preuve vérifiable que vous avez suivi et réussi ce cours.
Auteur
Qui écrit ce cours
ÉQ
Équipe DATAGOZ
Formateur · DATAGOZ
Une pédagogie claire et appliquée, avec des exemples concrets pour apprendre efficacement.
Questions
Avant de commencer
Aucun prérequis : le cours part des bases.
Tant que votre abonnement est actif. Si vous l’arrêtez, votre progression et vos attestations restent conservées.
Une attestation de suivi DATAGOZ, nominative et vérifiable en ligne par son code. Ce n’est pas un diplôme.
Accessibilité. Vous êtes en situation de handicap ? Écrivez à contact@datagoz.com : nous étudions avec vous les adaptations possibles.
Commencez ce cours aujourd'hui
11 leçons ouvertes, sans carte bancaire. Vous verrez le niveau et le ton avant de décider.