Introduction à Python pour le Machine Learning

Pourquoi Python ?

• Adapté pour le Machine Learning et le Deep Learning
• Langage le plus recherché en 2019 (source: Stack Overflow)
• Utilisé par Google, Facebook, YouTube, et de nombreuses startups

Problèmes fréquemment rencontrés

• Formations en anglais
• Formations payantes et chères
• Formations trop généralistes

Solution Proposée

• Formation gratuite et dédiée au Machine Learning
• Enseigné par Guillaume Saint-Cyrgues, Data Scientist à Londres
• Série de 30 vidéos pour maîtriser Python

Plan de la Formation

1. Bases de Python
   • Variables
   • Fonctions
   • Structures de contrôle
   • Structures de données
   • Modules
2. Modules scientifiques essentiels
   • NumPy
   • Matplotlib
   • SciPy
3. Analyse de données approfondie avec Pandas
4. Visualisation de données avec Seaborn
5. Machine Learning avec scikit-learn
   • Création de datasets
   • Sauvegarde de modèles
6. Techniques et astuces pour devenir Data Scientist efficace

Méthodologie

• Exercices pratiques à la fin de chaque vidéo
• Solutions d'exercices dans la vidéo suivante

Installation de Python

• Utilisation de la distribution Anaconda
• Télécharger depuis anaconda.com
• Applications principales : Spyder et Jupyter

Utilisation de Spyder

• Interface divisée en trois parties : éditeur de code, explorateur de variables et console

Utilisation de Jupyter

• Création de Notebooks
• Écriture et exécution de code

Environnements dans Anaconda

• Gestion des modules et packages
• Création de nouveaux environnements

Conclusion

• Anaconda : outil recommandé pour Data Science, Machine Learning et Deep Learning
• Demande de soutien (likes, abonnement)
• Questions aux étudiants (année scolaire, études, motivation d'apprendre Python)