Description du programme

Machine Learning for Everyone

Learn machine learning even if you have no coding experience with this collection of tutorials covering supervised learning, unsupervised learning, and deep learning.

Prérequis

Il n’y a pas de prérequis pour ce programme

Cours
1
Comprendre le Machine Learning
Voir les détailsMasquer les détails
Une introduction au machine learning sans codage.
Une introduction au machine learning sans codage.
Cours
2
Introduction à Python
Voir les détailsMasquer les détails
Apprenez les bases de l’analyse de données avec Python en quatre heures et explorez ses principaux packages.
Apprenez les bases de l’analyse de données avec Python en quatre heures et explorez ses principaux packages.
Cours
3
Python intermédiaire
Voir les détailsMasquer les détails
Mettez à niveau vos compétences en science des données en créant des visualisations à l'aide de Matplotlib et en manipulant des DataFrame avec pandas.
Mettez à niveau vos compétences en science des données en créant des visualisations à l'aide de Matplotlib et en manipulant des DataFrame avec pandas.
Cours
4
Introduction aux fonctions en Python
Voir les détailsMasquer les détails
Apprenez à écrire vos propres fonctions en Python tout en découvrant des notions essentielles comme la portée des variables et la gestion des erreurs.
Apprenez à écrire vos propres fonctions en Python tout en découvrant des notions essentielles comme la portée des variables et la gestion des erreurs.
Cours
5
Boîte à outils Python
Voir les détailsMasquer les détails
Renforcez vos compétences en science des données avec Python : maîtrisez les itérateurs et les compréhensions de listes.
Renforcez vos compétences en science des données avec Python : maîtrisez les itérateurs et les compréhensions de listes.
Cours
6
Réflexion statistique en Python (Partie 1)
Voir les détailsMasquer les détails
Posez les bases dont vous avez besoin pour penser statistiquement et parler le langage de vos données.
Posez les bases dont vous avez besoin pour penser statistiquement et parler le langage de vos données.
Cours
8
Apprentissage non supervisé en Python
Voir les détailsMasquer les détails
Apprenez à regrouper, transformer, visualiser et exploiter des données non étiquetées avec scikit-learn et scipy pour en tirer des insights.
Apprenez à regrouper, transformer, visualiser et exploiter des données non étiquetées avec scikit-learn et scipy pour en tirer des insights.
Cours
9
Classifieurs linéaires en Python
Voir les détailsMasquer les détails
Dans ce cours, vous apprendrez les détails des classificateurs linéaires tels que la régression logistique et les SVM.
Dans ce cours, vous apprendrez les détails des classificateurs linéaires tels que la régression logistique et les SVM.
Cours
10
Machine learning avec des modèles arborescents en Python
Voir les détailsMasquer les détails
Dans ce cours, vous apprendrez à utiliser des modèles basés sur des arbres et des ensembles pour la régression et la classification en utilisant scikit-learn.
Dans ce cours, vous apprendrez à utiliser des modèles basés sur des arbres et des ensembles pour la régression et la classification en utilisant scikit-learn.
Cours
11
Extreme Gradient Boosting avec XGBoost
Cours
12
Analyse de clusters en Python
Voir les détailsMasquer les détails
Dans ce cours, vous découvrirez l’apprentissage non supervisé via des techniques comme le clustering hiérarchique et k-means avec la bibliothèque SciPy.
Dans ce cours, vous découvrirez l’apprentissage non supervisé via des techniques comme le clustering hiérarchique et k-means avec la bibliothèque SciPy.
Cours
13
Réduction de dimension en Python
Voir les détailsMasquer les détails
Comprenez le concept de réduction de la dimensionnalité de vos données et maîtrisez les techniques permettant d'y parvenir dans Python.
Comprenez le concept de réduction de la dimensionnalité de vos données et maîtrisez les techniques permettant d'y parvenir dans Python.
Cours
14
Prétraitement pour le Machine Learning en Python
Voir les détailsMasquer les détails
Veuillez découvrir comment nettoyer et préparer vos données pour l'apprentissage automatique.
Veuillez découvrir comment nettoyer et préparer vos données pour l'apprentissage automatique.
Cours
15
Machine Learning for Time Series Data in Python
Voir les détailsMasquer les détails
Ce cours se concentre sur l'ingénierie des caractéristiques et l'apprentissage automatique pour les données de séries chronologiques.
Ce cours se concentre sur l'ingénierie des caractéristiques et l'apprentissage automatique pour les données de séries chronologiques.
Cours
16
Feature engineering pour le Machine Learning en Python
Voir les détailsMasquer les détails
Développez de nouvelles fonctionnalités pour améliorer les performances de vos modèles de machine learning.
Développez de nouvelles fonctionnalités pour améliorer les performances de vos modèles de machine learning.
Cours
17
Validation des modèles en Python
Voir les détailsMasquer les détails
Apprenez les bases de la validation de modèles, les techniques, et commencez à créer des modèles validés et hautement performants.
Apprenez les bases de la validation de modèles, les techniques, et commencez à créer des modèles validés et hautement performants.
Cours
19
Feature Engineering pour le NLP en Python
Voir les détailsMasquer les détails
Apprenez les techniques permettant d'extraire des informations utiles à partir de textes et de les traiter dans un format adapté à l'apprentissage automatique.
Apprenez les techniques permettant d'extraire des informations utiles à partir de textes et de les traiter dans un format adapté à l'apprentissage automatique.
Cours
20
Introduction à TensorFlow en Python
Voir les détailsMasquer les détails
Apprenez les principes fondamentaux des réseaux neuronaux et comment créer des modèles d'apprentissage profond à l'aide de TensorFlow.
Apprenez les principes fondamentaux des réseaux neuronaux et comment créer des modèles d'apprentissage profond à l'aide de TensorFlow.
Cours
21
Introduction au Deep Learning en Python
Voir les détailsMasquer les détails
Initiez-vous aux réseaux neuronaux et créez vos premiers modèles avec Keras 2.0 en Python.
Initiez-vous aux réseaux neuronaux et créez vos premiers modèles avec Keras 2.0 en Python.
Cours
22
Introduction au Deep Learning avec Keras
Voir les détailsMasquer les détails
Apprenez à développer des modèles d'apprentissage profond avec Keras.
Apprenez à développer des modèles d'apprentissage profond avec Keras.
Cours
23
Deep learning avancé avec Keras
Voir les détailsMasquer les détails
Développez des modèles de deep learning avec Keras.
Développez des modèles de deep learning avec Keras.
Cours
24
Traitement d’images en Python
Voir les détailsMasquer les détails
Apprenez à traiter, transformer et manipuler les images à votre convenance.
Apprenez à traiter, transformer et manipuler les images à votre convenance.
Cours
25
Modélisation d'images avec Keras
Voir les détailsMasquer les détails
Analyse d’images avec Keras : construisez, entraînez et évaluez des réseaux convolutifs (CNN) en Python.
Analyse d’images avec Keras : construisez, entraînez et évaluez des réseaux convolutifs (CNN) en Python.
Cours
26
Optimisation des hyperparamètres en Python
Voir les détailsMasquer les détails
Découvrez les techniques d'optimisation automatique des hyperparamètres en Python, notamment Grid, Random et Informed Search.
Découvrez les techniques d'optimisation automatique des hyperparamètres en Python, notamment Grid, Random et Informed Search.
Cours
27
Principes fondamentaux de PySpark
Voir les détailsMasquer les détails
Apprenez à mettre en œuvre la gestion des données distribuées et l'apprentissage automatique dans Spark à l'aide du package PySpark.
Apprenez à mettre en œuvre la gestion des données distribuées et l'apprentissage automatique dans Spark à l'aide du package PySpark.
Cours
28
Apprentissage automatique avec PySpark
Voir les détailsMasquer les détails
Apprenez à prédire à partir de données avec Apache Spark grâce aux arbres de décision, régressions logistique et linéaire, ensembles et pipelines.
Apprenez à prédire à partir de données avec Apache Spark grâce aux arbres de décision, régressions logistique et linéaire, ensembles et pipelines.
Cours
29
Gagner une compétition Kaggle en Python
Voir les détailsMasquer les détails
Découvrez comment participer et remporter des compétitions sur Kaggle.
Découvrez comment participer et remporter des compétitions sur Kaggle.