Apprendre la data science et le Machine Learning en Python: la formation complète

Apprenez comment utiliser NumPy, Pandas, Seaborn , Matplotlib , Plotly , Scikit-Learn et le Machine Learning

  • 15 modules
  • 119 vidéos
  • 20 heures 45 de contenu
  • Accès immédiat
  • Accès 24h/24, 7j/7
  • Garantie 30 jours

Êtes-vous prêt à commencer votre parcours pour devenir un data scientist ?

Cette formation est la plus complète en langue française, elle vous permettra d’utiliser la puissance du langage Python pour analyser les données, créer de belles visualisations et utiliser de puissants algorithmes de Machine Learning (apprentissage automatique) !

Cette formation est conçue pour les débutants ayant une certaine expérience en programmation Python ainsi que ceux expérimentés qui cherchent à faire le saut vers les sciences de données !

Dans cette formation, vous apprendrez comment utiliser les bibliothèques les plus populaires en data science (Numpy, Pandas, Matplotlib, Seaborn etc.) ainsi que la majorité des algorithmes les plus puissants du Machine Learning (Régression linéaire, Régression logistique, K Voisins les plus proches, Arbres de décision, Forêts aléatoires, K-Mean clustering et l'analyse en composantes principales).

Fini les cours complexes, cette formation est conçue pour simplifier votre apprentissage et met toutes les chances de vos côtés. Elle combine la théorie pour comprendre le fondement des notions étudiées et beaucoup de pratique à l'aide des projets réels.

Si vous avez besoin d’aide, il vous suffit de m’envoyer un message. J’adore ce que je fais, mais surtout j’aime quand mes étudiants réussissent et cela n’a pas de prix pour moi. Au cours de mes trente années d’exercice de la formation en ligne et en présentiel, j’ai formé plusieurs milliers d’étudiants. Devenir data Scientist dépend de votre volonté et votre succès dépend de vous et de votre motivation, mais je veillerai à ce que vous obteniez toute l’aide dont vous avez besoin lorsque vous en avez besoin.

INSCRIVEZ-VOUS DÈS MAINTENANT ET SI VOUS N'ÊTES PAS SATISFAIT JE VOUS REMBOURSE

Mohammed M.

Je m’appelle Mohammed et suis docteur de l'université Panthéon Assas Parie 2 et lauréat du master MIAGE (Méthodes Informatiques Appliquées à la Gestion des Entreprises). Je suis enseignant universitaire en Mathématiques/Informatique, développeur full stack et data scientist depuis de nombreuses années.

Contenu de la formation

Module 1: Introduction à la formation

Leçon 1: Introduction 4 minutes
Leçon 2: Bienvenue et quelques précisions 1 minute

Module 2: Installation de l'environnement de développement

Leçon 3: Installation d'Anaconda - Mac OS 4 minutes
Leçon 4: Installation d'Anaconda - Windows 2 minutes
Leçon 5: Prise en main du noteBook Jupyter 13 minutes

Module 3: La bibliothèque Numpy

Leçon 6: Bienvenue au module Numpy 20 secondes
Leçon 7: Introduction 3 minutes
Leçon 8: Création de vecteurs à partir de liste Python 10 minutes
Leçon 9: Création de matrices 5 minutes
Leçon 10: Création de tableaux de trois dimensions 4 minutes
Leçon 11: La fonction arange() 6 minutes
Leçon 12: Attributs principaux d'un objet array 9 minutes
Leçon 13: La méthode reshape() 5 minutes
Leçon 14: La méthode resize() 10 minutes
Leçon 15: Concaténation de deux tableaux 7 minutes
Leçon 16: Construction automatique de tableaux Numpy 16 minutes
Leçon 17: La fonction linspace() 5 minutes
Leçon 18: Création de tableaux aléatoires 11 minutes
Leçon 19: Méthodes de calcul sur les tableaux Numpy 14 minutes
Leçon 20: Indexation des tableaux Numpy - Partie 1 11 minutes
Leçon 21: Indexation des tableaux bidimensionnels 12 minutes
Leçon 22: Tableaux et opérateurs de comparaison 10 minutes
Leçon 23: Modifications des tableaux Numpy selon des conditions 5 minutes
Leçon 24: Binariser une matrice 5 minutes
Leçon 25: Opérations sur les tableaux unidimensionnels 8 minutes
Leçon 26: Opérations sur les matrices 11 minutes
Leçon 27: EXERCICES Numpy 38 secondes
Leçon 28: Corrigé des exercices Numpy - Partie 1 20 minutes
Leçon 29: Corrigé des exercices Numpy - Partie 2 27 minutes
Leçon 30: CONCLUSION 3 minutes

Module 4: La bibliothèque Pandas

Leçon 31: Bienvenue au module Pandas 21 secondes
Leçon 32: Introduction 4 minutes
Leçon 33: Les séries en Pandas 11 minutes
Leçon 34: Série Pandas comme dictionnaire 6 minutes
Leçon 35: Modification d'une série pandas 5 minutes
Leçon 36: Construction de Dataframes 12 minutes
Leçon 37: Créer un Dataframe à partir de plusieurs séries pandas 8 minutes
Leçon 38: Créer un Dataframe à partir d'une matrice Numpy 6 minutes
Leçon 39: Modifier un dataframe 12 minutes
Leçon 40: Sélectionner les données d'un Dataframe 9 minutes
Leçon 41: Sélectionner par tranche les données d'un Dataframe 10 minutes
Leçon 42: Sélection conditionnelle des données d'un Dataframe 12 minutes
Leçon 43: Sélection des données d'un Dataframe selon plusieurs conditions 4 minutes
Leçon 44: Réinitialisation et modification des indices dans un Dataframe 6 minutes
Leçon 45: Multindex 9 minutes
Leçon 46: Acceder à un dataframe multiindexé 5 minutes
Leçon 47: Création et accès aux données d'un dataframe multiindexé - Partie 2 12 minutes
Leçon 48: Combinaison de dataframes 9 minutes
Leçon 49: Groupement des données 19 minutes
Leçon 50: Tableaux croisés dynamiques 12 minutes
Leçon 51: Quelques opérations en Pandas 10 minutes
Leçon 52: Traitement des données manquantes 14 minutes
EXERCICE 2: exploration des données des pays dans le monde 6 minutes
CORRIGÉ DE L'EXERCICE 2 15 minutes
EXERCICE 3 1 minute
CORRIGÉ DE L'EXERCICE 3 16 minutes

Module 5: La bibliothèque Matplotlib

Bienvenue à la section Matplotlib 42 secondes
Leçon 53: Introduction
Leçon 54: Représentations graphiques avec Matplotlib 6 minutes
Leçon 55: Représentation graphique de type courbe 12 minutes
Leçon 56: Axes et titre d'une représentation graphique 12 minutes
Leçon 57: Réglage du tracé et des axes 9 minutes
Leçon 58: Figure, subplots et axes - Partie 1 6 minutes
Leçon 59: Figure, subplots et axes - Partie 2 19 minutes
Leçon 60: Exercice de création de parcelles 8 minutes
Leçon 61: Histogrammes 9 minutes
Leçon 62: Comparaison de plusieurs histogrammes 9 minutes
Leçon 63: Représentation graphique de type boite à moustaches 12 minutes
Leçon 64: Nuages de points et courbes en 3D 10 minutes
Leçon 65: Représentation en 3D des fonctions à deux variables 15 minutes

Module 6: La bibliothèque Seaborn

Bienvenue à la section Seaborn 42 secondes
Leçon 66: Introduction
Leçon 67: Représentation graphique d'une distribution de variables quantitatives 13 minutes
Leçon 68: La fonction seaborn.catplot() 7 minutes
Leçon 69: Représentation graphique d'une distribution de variable qualitative 8 minutes
Leçon 70: Croisement de deux variables quantitatives 12 minutes
Leçon 71: Croisement de deux variables qualitatives 4 minutes
Leçon 72: Croisement d'une variables quantitative et une variable qualitative 3 minutes
Leçon 73: Multivariables: croisement de trois variables 4 minutes
Leçon 74: Etude des corrélations 4 minutes
Leçon 75: Etude des corrélations - Partie 2 9 minutes
Leçon 76: Représentation d'un tableau croisé dynamique 10 minutes
Leçon 77: Régression linéaire 9 minutes

Module 7: Machine Learning

Bienvenue à la section Machine Learning 49 secondes
leçon 78: Machine Learning: c'est quoi ?
Leçon 79: Apprentissage supervisé: introduction 8 minutes
Leçon 80: Processus de l'apprentissage supervisé 6 minutes

Module 8: Régression linéaire

Leçon 81: Introduction théorique à la régression linéaire 6 minutes
Leçon 82: Projet de régression linéaire multiple - Partie 1 19 minutes
Leçon 83: Projet de régression linéaire multiple - Partie 2 34 minutes

Module 9: Classification

Leçon 84: Projet de classification - Partie 1 6 minutes
Leçon 85: Projet de classification - Partie 2 14 minutes
Leçon 86: Cross Validation et Validation Curve 25 minutes
Leçon 87: Grid Search CV 14 minutes
Leçon 88: Représentativité des données - Fonction Learning Curve 8 minutes
Leçon 89: Projet 2 de classification - Partie 1 18 minutes
Leçon 90: Projet 2 de classification - Partie 2 19 minutes

Module 10: Support Vector Machines (SVM)

Leçon 91: Introduction théorique au Support Vector Machines (SVM) 7 minutes
Leçon 92: Support Vector Machines en Python 27 minutes

Module 11: Régression logistique

Leçon 93: Régression logistique: c'est quoi ? 9 minutes
Leçon 94: Projet de régression logistique - Partie 1 17 minutes
Leçon 95: Projet de régression logistique - Partie 2 18 minutes
Leçon 96: Projet de régression logistique - Partie 3 14 minutes

Module 12: Arbre de décision pour la classification

Leçon 97: Arbre de décision : introduction 5 minutes
Leçon 98: Arbre de décision: projet de classification 16 minutes
Leçon 99: Visualisation de l'arbre de décision à l'aide de matplotlib 9 minutes
leçon 100: Visualisation de l'arbre de décision à l'aide de l'outil graphviz 10 minutes

Module 13: Arbre de décision pour la régression linéaire

Leçon 101: Arbre de décision pour la régression linéaire 19 minutes
Leçon 102: Arbre de décision - projet de régression linéaire - Partie 1 25 minutes
Leçon 103: Arbre de décision - projet de régression linéaire - Partie 2 14 minutes
Leçon 104: Forêts aléatoires (Random forest) 10 minutes

Module 14: Apprentissage non supervisé: l'algorithme KMeans Clustering

Leçon 105: Introduction à l'apprentissage non supervisé 3 minutes
Leçon 106: Le KMeans Clustering: comment ça marche? - Partie 1 5 minutes
Leçon 107: Le KMeans Clustering: comment ça marche ? - Partie 2 17 minutes
Leçon 108: Le KMeans Clustering en Python 20 minutes
Leçon 109: KMeans Clustering: Projet de segmentation des clients 32 minutes

Module 15: Analyse en composantes principales (ACP)

Leçon 110: Introduction théorique à l'Analyse en Composantes Principales 11 minutes
Leçon 111: L'ACP en Python - Partie 1 26 minutes
Leçon 112: L'ACP en Python - Partie 2 14 minutes
Paiement en 1 fois
49

TVA incluse, pas de frais cachés


  • 15 modules
  • 119 vidéos
  • 20 heures 45 de contenu
  • Accès immédiat
  • Accès 24h/24, 7j/7
  • Garantie 30 jours
Commencer pour 49€
Paiement en 2 fois
24,50

TVA incluse, pas de frais cachés


  • 15 modules
  • 119 vidéos
  • 20 heures 45 de contenu
  • Accès immédiat
  • Accès 24h/24, 7j/7
  • Garantie 30 jours
Commencer pour 24,50€

Garantie de satisfaction de 30 jours

Paiement sécurisé

Une question ?