Grâce à sa syntaxe lisible et directe, Python est un langage priviligié dans le domaine de l'analyse de données et du machine learning. S'il est plebiscité pour le scripting et l'automatisation, ce langage jouit également d'une très grande popularité en tant qu'interface de commande de haut niveau pour les bibliothèques de Machine Learning (SciPy, NumPy, Scikit-Learn...). Enfin, Python possède des pré-dispositions pour l'IA grâce à sa mécanique pour la programmation orientée objet (héritage, surcharge, méthodes virtuelles...) et pour son paradigme fonctionnel.
Cette formation Machine Learning avec Python vous propose de découvrir les concepts et les technologies du Machine Learning à travers le langage Python et sa bibliothèque Scikit-Learn qui propose tous les algorithmes standards. Vous apprendrez à développer de puissants modèles prédictifs dont les résultats vous surprendront par leur puissance et leur facilité de mise en œuvre.
Le dernier module est consacré au standard Azure Machine Learning afin de vous donner également une vision « Cloud sans code » du machine learning pour ainsi disposer d’une vue technique complète sur le sujet.
Objectif opérationnel :
Savoir développer de puissants modèles prédictifs en Python.
Objectifs pédagogiques :
À l'issue de cette formation Machine Learning avec Python, vous aurez acquis les connaissances et compétences nécessaires pour :
Les promesses du machine learning
Les technologies sous-jacentes
Liens entre Cloud, Big Data et Machine Learning
Présentation du Deep Learning
Travaux pratiques
Parcours de différents résultats de programmes de machine learning afin de valider le vocabulaire et les concepts présentés dans ce chapitre (prévisions de tarifs, classification d’images, reconnaissance de textes, etc.)
Différences entre apprentissage supervisé et non supervisé
La régression linéaire
La régression logistique
L’arbre de décision
Les machines à vecteur de support (SVM)
La classification selon Naive Bayes
Les plus proches voisins
Pourquoi faut-il parfois réduire les dimensions ?
Les réseaux de neurones
Comment utiliser la documentation ?
Intégration de Scikit-Learn avec d’autres librairies (Pandas, Numpy, SciPy, Matplotlib, etc.)
Représentation des données par des tableaux (Numpy, Scipy, Pandas, Python)
Représentation d’une prédiction par une classe (prédicteur, classifieur, estimator)
Comment choisir le bon algorithme d’apprentissage automatique ?
Travaux pratiques
Reconnaissance et classification d’images de fleurs selon des critères observables (chargement d’une base, découverte du contenu, observation des données, visualisation avec Seaborn, apprentissage, prédiction)
Explorer les données et les regrouper (clustering)
Visualisation avec clustering hiérarchique et t-SNE
Décorrélation des données et réduction des dimensions
Découvrir des fonctionnalités interprétables
Extraire des connaissances des textes (Text Mining)
Travaux pratiques
Extraction de sujets et de tendances à partir de gros volume de flux de données (exemple Twitter)
Analyse de sentiments et démotions
Classification automatique de textes dans une ou plusieurs catégories (Word2Vec, Doc2Vec, TF-DF)
Retour sur l’atelier de la reconnaissance supervisée des fleurs pour le passer en mode non supervisé : réduction des dimensions, regroupement des données selon différents algorithmes (clustering) jusqu’à la mise en évidence de l’identification des groupes de familles de fleurs
Construire des modèles sans coder avec les outils du Cloud
Les services proposés par Visual Studio, Azure et GitHub
Valider les performances des modèles
Déployer son modèle
La préparation des données
Travaux pratiques
Construction d’un modèle de prédiction sous Visual Studio
Public cible :
Ce cours Machine Learning avec Python s'adresse à toute personne amenée à utiliser Python pour développer des modèles de prédiction dans n'importe quel domaine : scientifique, médical, bancaire, sécurité, data...
Prérequis :
Cette formation Machine Learning avec Python suppose de savoir développer et de connaître les bases de Python. Vous pouvez les acquérir en suivant la formation Python (OPYT).
J'évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Date de mise à jour du programme : 23/06/2025
Les avis figurant ci-dessous sont issus des fiches d'évaluation que remplissent les participants à la fin de la formation. Ils sont ensuite publiés automatiquement si les personnes ont explicitement accepté que nous les diffusions.
Avis de CE
COYOTE SYSTEM
Retour d’expérience
Ce que j'ai le plus apprécié :
"J'étais tout seul comme participant, et je trouve que c'était un réel plus car j'ai pu beaucoup interagir avec le formateur et donc comprendre beaucoup mieux ces concepts compliqués."
Ce que j'ai le moins apprécié :
"-"
CE
COYOTE SYSTEM
Déployer un modèle Machine Learning en production avec Python
Intégrer des modèles ChatGPT dans les applications Python
Python : Automatiser les documents Office
Python pour l’analyse géospatiale