Bienvenue dans « Python pour le machine learning » - Tutoriel Python

Table des matières

• Introduction Introduction

  • Bienvenue dans « Python pour le machine learning »

    30 s
  • Aborder les prérequis

    1 m 11 s
  • Utiliser CoderPad

    1 m 43 s
• 1. Importer et manipuler les données en amont du machine learning 1. Importer et manipuler les données en amont du machine learning

  • Importer des données d'un fichier

    2 m 23 s
  • (Verrouillé)
    Sélectionner les colonnes

    3 m
  • (Verrouillé)
    Identifier et traiter les valeurs manquantes

    4 m 36 s
  • (Verrouillé)
    Effectuer une jointure

    3 m
  • (Verrouillé)
    Grouper et agréger les données

    2 m 50 s
  • (Verrouillé)
    Normaliser les données

    4 m 11 s
  • (Verrouillé)
    Traiter les valeurs catégorielles

    4 m 34 s
  • (Verrouillé)
    Solution : Réaliser l'imputation de valeurs manquantes

    2 m 7 s
• 2. Comprendre la régression 2. Comprendre la régression

  • Aborder le machine learning supervisé

    1 m 51 s
  • (Verrouillé)
    Prendre en main la régression linéaire

    5 m 7 s
  • (Verrouillé)
    Manipuler les arbres de décision

    3 m 20 s
  • (Verrouillé)
    Utiliser RandomForest()

    2 m 5 s
  • (Verrouillé)
    Comprendre les algorithmes de boosting

    2 m 25 s
  • (Verrouillé)
    Analyser les métriques d'évaluation de la régression

    4 m 12 s
  • (Verrouillé)
    Solution : Comparer les performances de plusieurs algorithmes

    2 m 2 s
• 3. Utiliser la classification 3. Utiliser la classification

  • Équilibrer ses données et dummyclassifier()

    3 m 19 s
  • (Verrouillé)
    Utiliser la régression logistique

    1 m 8 s
  • (Verrouillé)
    Manipuler les SVM

    1 m 40 s
  • (Verrouillé)
    S'approprier RandomForestClassifier()

    2 m 4 s
  • (Verrouillé)
    Analyser les métriques d'évaluation de la classification

    4 m 25 s
  • (Verrouillé)
    Solution : Créer un score métier

    2 m 51 s
• 4. Appréhender le clustering 4. Appréhender le clustering

  • Utiliser la CAH

    3 m 36 s
  • (Verrouillé)
    S'approprier K-means

    2 m 51 s
  • (Verrouillé)
    Maîtriser DBScan

    2 m 17 s
  • (Verrouillé)
    Évaluer ses clusters

    3 m 5 s
  • (Verrouillé)
    Interpréter ses clusters

    4 m 6 s
  • (Verrouillé)
    Solution : Identifier le nombre de cluster optimal avec kmeans()

    2 m 41 s
• 5. Découvrir des notions avancées 5. Découvrir des notions avancées

  • (Verrouillé)
    Utiliser les pipelines

    2 m 59 s
  • (Verrouillé)
    S'initier aux séries temporelles

    5 m 37 s
  • (Verrouillé)
    Appréhender les algorithmes de recommandation

    4 m 6 s
  • (Verrouillé)
    Solution : Réaliser un pipeline pour tester différents algorithmes de classification

    2 m 29 s
• Conclusion Conclusion

  • (Verrouillé)
    Conclure sur le machine learning et Python

    1 m 2 s