Machine learning avec scikit-learn

Objectifs :

Maîtriser les principaux concepts du machine learning
Mettre en œuvre des modèles prédictifs avec l’apprentissage automatique
Préparez des données avec Pandas et scikit-learn
Comprendre les applications du machine learning

Outils à maîtriser:

Python
Bloc-notes Jupyter
Collaboration Google
Anaconda

Module 1: Introduction

Apprentissage automatique et IA
L’ère des données
Gestion des données avec Python et Scala
Langage de programmation Python

Module 2: Apprentissage automatique

Comment la machine peut-elle apprendre?
Apprentissage supervisé vs non supervisé
Applications d’apprentissage automatique en entreprise; e-commerce, trading, analyse prédictive
Application scientifique du ML: bioinformatique, métrologie, vision par ordinateur, robotique
ML en cybersécurité

Module 3: Python – Jupyter IDE

L’IDE interactif
Exécution de notebooks avec jupyter
Collaboration Google
Enquête sur les bases de la programmation python

Module 4: Préparation des données avec Pandas et Scikit-learn

Les données disponibles nécessitent-elles un prétraitement?
Préparation des données avec Pandas
Préparation des données avec scikit learn

Module 5: Apprentissage supervisé avec scikit-learn

Apprentissage supervisé: les fondamentaux
Classification vs régression
Ensembles de formation et de test
Arbres de décision: CART
Support des machines vectorielles: SVM
Réseaux de neurones artificiels
Métriques de validation du modèle
Matrice de confusion

Module 6: Apprentissage non supervisé avec scikit- learn

Clustering: les concepts
Algorithmes de clustering
Application de clustering en entreprise
Algorithme K-means
Optimisation du nombre de clusters: méthode Elbow
Méthode Silhouette
Visualisation des clusters

Module 7: Concepts avancés de Machine Learning

Apprentissage d’ensemble
Modèles d’apprentissage d’ensemble
Forêts aléatoires
Sélection des fonctionnalités: optimisation du modèle
Détection d’anomalies avec SVM
Sérialisation des modèles formés

Module 8: Algorithmes de recommandation

Recommandation en entreprise
Filtrage basé sur le contenu
Filtrage collaboratif
Défi Netflix 1 M $

Module 9: Traitement du langage naturel NLP

Techniques et applications NLP.
NLTK
Spacy
Préparation des données: TF-IDF
Analyse des sentiments