Programmer avec Python pour l’apprentissage automatique

• Comprendre les fondements du Machine Learning et ses principales approches.
• Manipuler les bibliothèques Python (Pandas, Scikit-Learn, Matplotlib).
• Préparer et nettoyer un jeu de données pour l’apprentissage.
• Entraîner, tester et évaluer un modèle simple de régression ou de classification.
• Interpréter les résultats et documenter le cycle complet de développement.

1. Introduction au Machine Learning

• Comprendre les concepts : apprentissage supervisé et non supervisé.
• Identifier les principales familles d’algorithmes et leurs cas d’usage.
• Mise en pratique : découverte guidée des outils Python et premier script ML simple.

2. Préparation et exploration des données

• Charger, nettoyer et transformer un dataset avec Pandas.
• Analyser la structure des données et gérer les valeurs manquantes.
• Visualiser les relations entre variables avec Matplotlib.
• Mise en pratique : préparation complète d’un jeu de données réel.

3. Entraînement et évaluation d’un modèle

• Créer, entraîner et tester un modèle de régression ou de classification avec Scikit-Learn.
• Calculer les métriques de performance et interpréter les résultats.
• Mise en pratique : entraînement de plusieurs modèles et comparaison des performances.

4. Interprétation et bonnes pratiques de développement

• Visualiser les résultats, documenter les choix de modélisation et identifier les biais.
• Mettre en place une traçabilité simple du code et des données.
• Mise en pratique : développement complet et présentation d’un modèle.

Le formateur évalue la progression des participants tout au long de la formation
à travers des échanges, QCM et études de cas. Un test de positionnement ou
une activité de synthèse permet d’évaluer les acquis en début et fin de session