Python pour le Machine Learning

Construisez une base solide en Python pour le machine learning. Apprenez à utiliser des bibliothèques essentielles comme NumPy et Pandas pour manipuler des données efficacement.

Ce cours vous intéresse ? Envoyez-nous un courriel à [email protected]

Course curriculum

1. Bienvenue et Objectifs du Cours
2. Introduction à python
3. Intallation python sous windows
4. Installation python sous MAC
5. Introduction au jupyter notebook
1. Notion de variables
2. Variables et types de données
3. Implementation des variables en python
1. Introduction aux operateurs en python
2. Implementation en python
3. Quizz operateurs en python
1. Introduction aux entrées/sorties en python
2. Implementation en python
3. Quizz E/S
1. Qu'est-ce qu'une structure conditionnelle ?
2. Structures conditionnelles en python
3. Implementation structures conditionnelles en python
4. Quizz structure conditionnelle
1. Structures iteratives
2. TP boucles à evenement
3. TP boucles à compteur
4. Quizz structures iteratives
5. Devoir sur les structures
1. Installation de Python et des Bibliothèques
1. Introduction aux structures de données
2. les tuples premiere partie
3. Les tuples deuxieme partie
4. TP sur les tuples
5. les listes partie 1
6. Les listes partie 2
7. TP sur les listes
8. Cas particuliers de liste: les chaines de caracteres
9. Listes et complexité ( à completer: tableau_resizing)
10. les dictionnaires
11. TP sur les dictionnaires
12. les set
13. TP sur les set
14. Quizz sur les structures de données en python. ( Afaire)
15. Devoir structure et question ( a faire)
1. Principe de modularite
2. Fonction: intuition
3. Definition et appel de fonctions
4. TP sur les fonctions partie 1
5. TP sur les fonctions en python: partie 2
6. TP sur les fonctions: gestion des erreurs et documentation
7. Fonctions imbriquées
8. closure
9. TP sur les fonctions de fonctions
10. TP sur les decorateurs
11. TP sur les expressions lambda
12. Decomposition fonctionnelle: Partie 1 (optionnelle)
13. Decomposition fonctionnelle Partie 2 (optionnelle)
14. illustration decomposition fonctionnelle ( optionelle )
1. Probleme avec les fonctions
2. Qu'est-ce qu'un module ?
3. Creation de modules et importation
4. Les modules standards de python
5. Les modules standards de python: os et sys
6. Notion d'environnement virtuel
7. Les packages
8. TP sur les packages
1. TP sur les fichiers texte en python
1. Probléme
2. Paradigme orienté objet
3. Classes et objets en python
4. TP classes et objets
5. Heritage, polymorphisme et agrégation en python
6. Surcharges d'operateurs
7. Les méthodes spéciales
8. TP heritage, polymorphisme et agrégation, surcharges d'operateurs
9. TP POO
10. Devoir POO
11. Quizz POO
1. Intégration de Python et du Machine Learning
1. Introduction à numpy
2. Les tableaux avec numpy
3. Fondamentaux et operations avec numpy
4. Indexation avancée et mnipulation de dimensions
5. Fonctions statistiques et agregation
6. Broadcasting
7. TP Broadcasting
8. Fonctions vectorisees personnalisees
9. TP fonctions vectorisees personnalisees
10. TP Gestion de la performance avec numpy
11. TP Algebre Lineaire
12. TP traiter les fichiers texte et binaire avec numpy
13. TP Numpy et le traitement des images
14. TP Numpy et le traitement des videos
15. Conclusion partie numpy
1. Travail avec des DataFrames
2. Introduction à Pandas
3. TP1 Les dataframes
4. Chargement et sauvegarde des données
5. TP 2 Chargement et sauvegarde des données
6. Nettoyage des données
7. TP Gestion des valeurs manquantes
8. TP Identification des variables et gestion de la memoire
9. Exploration de données avec pandas
10. TP1 Exploration donnees de covid
11. TP2 Analyse et exploration des données avec pandas
12. TP3 Analyse et exploration des données avec pandas
13. TP4 Analyse et exploration des données avec pandas
14. Optimisation et performance
1. Qu'est-ce qu'une expression lambda ?
2. Propriétés des expression lambda
3. Fonctionnalités avancées avec les expressions lambda
4. TP nommage execution et traçabilite
5. TP syntaxe des fonctions lambda
6. TP Evaluation de variables avec les fonctions lambda
7. TP map, filter, reduce avec les fonctions lambda

About this course

Gratuit
110 leçons
9 heures de contenu vidéo

Discover your potential, starting today

Enroll today

Python pour le Machine Learning

Course curriculum

Introduction à Python

Variables et types de données

Operateurs

Entrée/sorties en python

Structures conditionnelles

Structures iteratives

Installation et Configuration de l'environnement

Structure de données

Modularité et fonction

Modules et packages

Les fichiers texte en python

Programmation orientée objet en python

Premiers Pas en Machine Learning

Manipulation de Données avec NumPy

Analyse de Données avec Pandas

Expression lambda

About this course

Discover your potential, starting today