Introduction au Machine Learning

Ce que vous apprendrez

Le machine learning consiste à faire apprendre un modèle à partir d’exemples plutôt que d’écrire des règles à la main. Vous apprenez à préparer des données avec les bibliothèques Python pandas et NumPy, à choisir un algorithme adapté au problème posé avec scikit-learn, à mesurer honnêtement ce qu’il vaut par validation croisée, puis à le rendre utilisable par d’autres dans une petite application.

Approche pédagogique

Chaque séance de 3 heures suit la même démarche : comprendre le problème posé par les données, concevoir une stratégie de modélisation, fabriquer le code dans un carnet Jupyter, tester le modèle sur des données qu’il n’a jamais vues, puis améliorer selon les résultats obtenus et les retours du groupe. Vous repartez avec un exercice à poursuivre avant la séance suivante, et chaque module se termine par un livrable exécutable.

Projet final

Vous choisissez un jeu de données public ou personnel, vous formulez une question et vous entraînez au moins deux modèles que vous comparez selon des métriques reconnues. Le modèle retenu est déployé dans une application Web simple qui renvoie des prédictions, accompagné d’un rapport d’évaluation.

Pour qui

Développeurs, analystes de données, chercheurs et professionnels des TI qui veulent comprendre le machine learning par la pratique avant de l’intégrer à leurs projets.

Prérequis et matériel

Vous devez savoir programmer dans un langage, idéalement Python; une séance de mise à niveau est prévue au début. Un ordinateur portable est nécessaire, et les bibliothèques et carnets utilisés sont gratuits.

Reconnaissance

Selon les modalités annoncées, un certificat de participation UbSkilled peut être remis. Ce document confirme la participation à l’activité selon les modalités annoncées; il ne constitue pas une attestation officielle, un diplôme ni une certification professionnelle reconnue.