Openclassrooms - Initiez-vous au machine learning

• Date de sortie: 2017 2017
• Catégorie: Informatique
• Vues: 9681
• Date d'ajout: 27/07/2017 18:28

Vous êtes intéressé·e par la Data Science et vous cherchez justement
une porte d’entrée vers ce domaine en plein essor ? Ce cours d’initiation au machine
learning est fait pour vous !

Le machine learning (aussi appelé apprentissage automatique en français) est un
outil essentiel des Data Scientists, qui a grandement fait parler de lui ces
dernières années de part les applications exceptionnelles qu’il a permises...
Une fois que le ou la Data Scientist a effectué son travail de collecte, de nettoyage
et d’exploration des données, il peut passer à la partie de modélisation statistique.
C’est ce processus que nous allons explorer ensemble dans ce premier cours consacré
au machine learning, un ensemble de techniques puissantes permettant de créer des
modèles prédictifs à partir de données, sans avoir été explicitement programmées.

Les compétences d’un·e Data Scientist résident non seulement dans sa capacité à traduire
les challenges de l’entreprise en problèmes de machine learning, mais aussi dans son
agilité à proposer des solutions qui peuvent aider à résoudre ces problèmes de
manière performante.

Je vous propose d’aborder cela avec moi, étape par étape, en restant concret et
au plus proche des problématiques actuelles que permet de résoudre la Data Science.
C’est parti ?



Prérequis


Ce cours est un cours d’initiation au machine learning, un domaine au croisement des mathématiques et de l’informatique. Pour en profiter pleinement, n’hésitez pas à vous rafraîchir la mémoire, avant ou pendant le cours, sur :
Python pour le calcul numérique que nous utiliserons dans la partie TP du cours
(librairie numpy et création de graphes avec pyplot).
Quelques notions d’algèbre linéaire, telles que manipulation de vecteurs, multiplications de matrices, normes.
Quelques notions de probabilités et statistiques, telles que distribution de loi
de probabilité et variance



Objectifs pédagogiques


Décrire le cycle de développement général du travail des Data Scientists.
Définir le machine learning (apprentissage automatique en français), son champ
d’application et ses limites.
Identifier les différents types de modélisation statistique (classification,
régression, apprentissage supervisé, apprentissage non-supervisé).
Associer ces types de modélisation statistique à des problématiques business concrètes
Développer une intuition sur le fonctionnement de l’apprentissage automatique à
partir de données.
Entraîner un premier modèle simple de machine learning.
Déterminer les difficultés principales auxquelles sont confrontés les Data Scientists
au quotidien.