Réalise Un Projet De Machine Learning En Python En 2H

Forme-toi rapidement aux différentes étapes des projets en Machine Learning grâce à Python pour la Data Science

What you'll learn
Devenir rapidement opérationnel en Machine Learning
Se familiariser avec Python pour la Data Science
Obtenir un framework de résolution de problèmes en Data Science avec Python
Résoudre un problème concret grâce au Machine Learning
Utiliser et améliorer des algorithmes couramment utilisés
Comprendre les challenges qu'un data scientist peut rencontrer
Requirements
Connaissances en Python
Bases en mathématiques et algèbre linéaire
Être intéressé par la Data Science et le Machine Learning
Description
En seulement 2 heures, tu sauras réaliser un projet de Machine Learning, du début à la fin.Tu connaitras toutes les étapes d’un projet en Data Science et comment les mener à bien en Python.Les e-mails privésPour aider les apprentis data scientists à gagner en compétences en Data Science, booster leur CV et se démarquer sur le marché du travail, j'envoie des e-mails à une liste privée qui contient actuellement plus de 400 membres. En t'inscrivant à ces e-mails, tu recevras toutes les infos sur les prochains cours live que j'organise (réservés aux membres), les nouvelles formations mais également des réductions exclusives pour te former à moindre coût.Pour rejoindre les e-mails privés (c'est gratuit !):Recherche l'URL suivante : "school.damiench .com" (en supprimant l'espace)Jusqu’à présent, tu as sans doute appris beaucoup de choses sur la théorie du Machine Learning mais tu n'as aucune idée de comment les appliquer à des cas concrets.Tu souhaites peut-être incorporer du Machine Learning dans tes projets professionnels pour améliorer tes résultats mais cela semble insurmontable.En continuant comme ça, tu peux continuer à te documenter sur le Machine Learning sans passer à la pratique et perdre ainsi un temps fou. Pire, il se peut même que tu te décourages de cette discipline et que tu abandonnes.Le vrai problème, c’est qu’il y a beaucoup de choses à prendre en compte dans un projet de Data Science, de la collecte des données, à leur préparation, au choix du modèle en passant par l’optimisation de l’algorithme.La solution à tout ça, c’est un plan clair avec des instructions simples à suivre, applicables à tout projet de Machine Learning et qui te permettent d'avoir des résultats le plus rapidement possible.C’est pourquoi j’ai voulu créer une formation complète, qui détaille toutes les étapes des projets de Machine Learning, du début à la fin, en les implémentant directement en Python.Attention, cette formation est intense, de nombreux concepts techniques sont couverts, ainsi que plusieurs librairies et fonctions Python. Il faut que tu sois motivé.Il faudra suivre avec attention les différentes étapes que je vais te présenter pour t’assurer que le résultat final soit intéressant.Après avoir complété cette formation, tu sauras comment résoudre un problème grâce au Machine Learning et Python. Tu découvriras à quel point cette discipline peut être puissante.Peu importe le jeu de données qu'on pourra te confier : tu sauras comment utiliser des algorithmes de Machine Learning, simplement en suivant les différentes étapes présentées ici.Une fois embauché, tu auras de plus en plus d’idées de comment l’appliquer dans ta vie professionnelle.Dans cette formation, tu découvriras la puissante technique qu’est le feature engineering.Tu apprendras 3 techniques utilisées, simples mais puissantes, pour explorer des données.Tu découvriras comment automatiser la préparation des données grâce à 4 outils utilisés par les data scientists.Enfin, tu apprendras comment améliorer significativement tes modèles, de manière automatique, avec une méthode très robuste.Si tu connais actuellement peu de modèles de Machine Learning, pas de soucis, j’explique l’intuition derrière les modèles que j’utilise. Cette formation convient aussi à ceux qui n’ont que quelques bases en Python car le code est expliqué au fur et à mesure.Ce cours est un véritable guide pour tout projet de Machine Learning en Python.On se retrouve dans la formation.A tout de suite,Damien

Overview

Section 1: Introduction au Machine Learning

Lecture 1 Présentation du cours

Lecture 2 Les e-mails privés

Lecture 3 Data Science vs. Machine Learning

Lecture 4 Les différentes étapes d'un projet de Machine Learning

Section 2: Préparer son environnement de travail

Lecture 5 Télécharger les logiciels de développement pour la Data Science

Lecture 6 Installer les librairies Python nécessaires au Machine Learning

Lecture 7 Lien pour télécharger les données

Lecture 8 Télécharger les données

Section 3: Explorer les données

Lecture 9 Découvrir l'interface de l'IDE

Lecture 10 Charger les données dans l'IDE

Lecture 11 Manipuler les données en Python

Lecture 12 Feature engineering en Data Science

Lecture 13 Interpréter les mesures sur les données

Lecture 14 Créer des graphiques pour la visualisation de données

Lecture 15 Etudier la corrélation entre variables

Section 4: Préparer les données pour les algorithmes de Machine Learning

Lecture 16 Etudier la variable prédite

Lecture 17 Séparer les données en train et test set

Lecture 18 Nettoyer les données grâce aux pipelines

Section 5: Entrainer ses modèles de Machine Learning

Lecture 19 Focus sur la régression linéaire

Lecture 20 Entrainer son premier modèle de Machine Learning

Lecture 21 Tester la performance de son modèle de Machine Learning

Lecture 22 Focus sur les Random Forest Regressor

Lecture 23 Entrainer un autre modèle de Machine Learning

Lecture 24 Améliorer ses modèles avec la Grid Search

Section 6: Transmettre ses résultats

Lecture 25 Synthétiser les résultats importants

Section 7: Conclusion du cours

Lecture 26 Résumé des différentes étapes d'un projet en Machine Learning

Lecture 27 Votre feedback sur le cours

Lecture 28 Session bonus

Débutants en Machine Learning et Data Science qui souhaitent être rapidement opérationnels