Sessions inter 13 nov. Management Participatif : Inspirer, Fédérer et Responsabiliser vos Collaborateurs · à distance, France entière13 nov. SST - Sauveteur Secouriste du Travail - Recyclage · Toulouse ou à distance16 nov. Anglais technique & ingénierie – certification CLOE · Toulouse ou à distance16 nov. CACES® R482 - Engins de chantier - Initiale · Toulouse ou à distance17 nov. SSIAP 1 - Module complémentaire · Toulouse ou à distance18 nov. Google Sheets : maîtriser les bases pour analyser vos données · Toulouse ou à distance19 nov. Devenir Manager Agile Niveau II · Toulouse ou à distance19 nov. Maîtriser les Conflits : De la Tension à la Solution · Toulouse ou à distance20 nov. Prévenir les Risques Psychosociaux : Manager pour le Bien-Être · à distance, France entière23 nov. C++ : Maîtriser la POO pour concevoir des logiciels robustes · Toulouse ou à distance23 nov. DevOps Foundation : Comprendre et appliquer DevOps efficacement · Toulouse ou à distance26 nov. De CATIA V5 à 3DEXPERIENCE — réussir la transition · Toulouse ou à distance26 nov. Excel - Perfectionnement · Toulouse ou à distance27 nov. Manager une personne en situation de handicap · à distance, France entière30 nov. Docker : Maîtriser les Conteneurs d'Applications · Toulouse ou à distance30 nov. Séniors : réussir sa fin de carrière et préparer son avenir · Toulouse ou à distance Toutes les dates Financement CPF Formation intra 05 62 84 10 13

Test de positionnement gratuit · 2 minutes

Machine Learning en Python : créer vos premiers modèles prédictifs
Où en êtes-vous ?

Évaluez-vous sur les compétences travaillées pendant la formation. Vous obtenez tout de suite votre niveau, les points à renforcer et notre conseil pour votre parcours.

Vous préférez un test de connaissances noté ? Faites le test data science en 20 questions →

Vos compétences

Pour chaque compétence, où en êtes-vous aujourd’hui ?

1Comprendre les Concepts Fondamentaux du Machine Learning et Formuler un Problème : Saisir les principes de base, les différents types d'apprentissage et savoir traduire un problème métier en un problème de Machine Learning
2Maîtriser l'Écosystème Python pour le Machine Learning : Savoir utiliser Jupyter Notebook et les bibliothèques clés (Numpy, Pandas, Scikit-learn) pour manipuler des données et implémenter des algorithmes
3Implémenter et Comprendre Plusieurs Algorithmes de Base : Être capable de mettre en œuvre et d'expliquer le fonctionnement de modèles comme la régression linéaire/logistique, KNN, les arbres de décision et les Random Forests
4Évaluer la Performance des Modèles et Appliquer des Techniques de Validation : Savoir choisir les bonnes métriques, utiliser le train-test split, la cross-validation et comprendre l'optimisation des hyperparamètres
5Effectuer les Étapes Essentielles de Préparation des Données : Savoir traiter les données manquantes/aberrantes, normaliser/standardiser les features et préparer les données pour l'entraînement des modèles
6Comprendre le Workflow d'un Projet ML et les Pièges Courants : Connaître les étapes d'un projet, de la préparation des données à l'évaluation, et être conscient des risques comme le surapprentissage
7Acquérir une Vue d'Ensemble des Autres Catégories d'Algorithmes et des Concepts de Déploiement : Avoir une introduction au boosting, clustering, réseaux de neurones, et aux principes de mise en production et de traitement de données spécifiques (texte, séries temporelles)
8Avez-vous déjà été formé·e sur ce sujet ?
9À quelle fréquence utilisez-vous ces compétences ?
10Quel est votre objectif ?

← Retour à la fiche formation

En poursuivant votre navigation sur ce site, vous acceptez que nous utilisions des cookies pour mesurer l'audience de notre site.