Recherche avancée
Par formation
Par date
Par ville
logo HUB Formation
Organisme de Formation
aux Technologies et métiers de L'informatique
La pédagogie au service de la technologie
Accueil > éditeurs > Python > Le langage Python pour Machine Learning

Le langage Python pour Machine Learning

python

La Data Science nécessite des compétences spécifiques afin de prévoir le comportement des clients ou d'anticiper des tendances.
Cette formation vous permettra de découvrir l'analyse de données ainsi que le Machine Learning via Python, les différentes étapes qui interviennent lors de l'élaboration d'un modèle statistique, ainsi que l'analyse textuelle et la Data Visualisation.

Objectifs

  • Comprendre l'enjeux stratégique des données pour l'entreprise
  • Préparer les données
  • Choisir entre régression, clustering et classification en fonction des données
  • Comprendre le principe de la création d'un modèle statistique
  • Évaluer la performance d'un modèle en Data Science
  • Data Visualisation

Public

  • Toute personne intéressée par une prise en main rapide du langage Python dans le domaine de la data science. Data Miner, CDO, DSI, développeurs en charge de la mise en production des modèles, Statisticiens.

Prérequis

  • Connaissance en statistiques et Data Mining
  • Connaissance en programmation Python

Programme de la formation

Introduction

  • Pourquoi utiliser Python pour l'analyse des données? Python versus R
  • Les librairies python pour la data science : NumPy, pandas, matplotlib, Scikit-learn ..
  • Jupyter notebook

Les bases du langage Python

  • Les opérations de base
  • Les structures de contrôle
  • Les fonctions
  • Les classes
  • Les fichiers
  • Les exceptions

Python pour l'analyse des données

  • Calcul scientifique avec NumPy
  • Préparation des données avec pandas
  • Visualisation avec matplotlib
  • Machine Learning avec scikit-learn

Méthode pédagogique

Chaque participant travaille sur un poste informatique qui lui est dédié. Un support de cours lui est remis soit en début soit en fin de cours. La théorie est complétée par des cas pratiques ou exercices corrigés et discutés avec le formateur. Le formateur projette une présentation pour animer la formation et reste disponible pour répondre à toutes les questions.

Méthode d'évaluation

Tout au long de la formation, les exercices et mises en situation permettent de valider et contrôler les acquis du stagiaire. En fin de formation, le stagiaire complète un QCM d'auto-évaluation.