AcadémIA Pro · Support de cours
Machine learning avec Python
Code F086 · Durée : 125 h à votre rythme : environ 3 h par semaine, un module toutes les deux semaines · 5 chapitres, 25 modules
Construisez vos modèles de machine learning en Python : préparation des données, algorithmes et évaluation, sur de vrais jeux de données. Chaque semaine, un exercice est repris avec votre formateur en classe virtuelle. À la fin, vous recevez votre certificat AcadémIA Pro.
Le manuel de la formation : environ 154 pages — 219 pages de cours (3 à 4 pages par séance de 2 heures, environ 6 pages par module), les exercices corrigés et le QCM de chaque module, et l’examen final.
Chapitre 1 — Préparer
Module 1.1 — Outils et notebooks reproductibles≈ 6 p. · exercices · QCM
Module 1.2 — Explorer un jeu de données avec pandas≈ 6 p. · exercices · QCM
Module 1.3 — Préparer les variables et éviter les fuites de données≈ 6 p. · exercices · QCM
Module 1.4 — Construire un pipeline avec scikit-learn≈ 6 p. · exercices · QCM
Module 1.5 — Synthèse de pratique du chapitre 1≈ 6 p. · exercices · QCM
Chapitre 2 — Apprentissage supervisé
Module 2.1 — Régression linéaire et régularisation≈ 6 p. · exercices · QCM
Module 2.2 — Classification : régression logistique et seuil de décision≈ 6 p. · exercices · QCM
Module 2.3 — Arbres de décision et forêts aléatoires≈ 6 p. · exercices · QCM
Module 2.4 — Gradient boosting : régler et comparer≈ 6 p. · exercices · QCM
Module 2.5 — Synthèse de pratique du chapitre 2≈ 6 p. · exercices · QCM
Chapitre 3 — Évaluer
Module 3.1 — Validation croisée et métriques adaptées≈ 6 p. · exercices · QCM
Module 3.2 — Classes déséquilibrées : un cas de détection de fraude≈ 6 p. · exercices · QCM
Module 3.3 — Optimiser les hyperparamètres sans se tromper≈ 6 p. · exercices · QCM
Module 3.4 — Expliquer un modèle : importance et valeurs SHAP≈ 6 p. · exercices · QCM
Module 3.5 — Synthèse de pratique du chapitre 3≈ 6 p. · exercices · QCM
Chapitre 4 — Autres méthodes
Module 4.1 — Partitionnement : segmenter des clients≈ 6 p. · exercices · QCM
Module 4.2 — Réduction de dimension≈ 6 p. · exercices · QCM
Module 4.3 — Premier réseau de neurones avec PyTorch≈ 6 p. · exercices · QCM
Module 4.4 — Classer du texte : de TF-IDF aux embeddings≈ 6 p. · exercices · QCM
Module 4.5 — Synthèse de pratique du chapitre 4≈ 6 p. · exercices · QCM
Chapitre 5 — En production
Module 5.1 — Suivre ses expériences et versionner ses modèles≈ 6 p. · exercices · QCM
Module 5.2 — Servir un modèle par une API≈ 6 p. · exercices · QCM
Module 5.3 — Détecter la dérive et décider de réentraîner≈ 6 p. · exercices · QCM
Module 5.4 — Synthèse de pratique du chapitre 5≈ 6 p. · exercices · QCM
Module 5.5 — La pratique de toute la formation, l'examen final et l'exemple de pratique choisi par le stagiaire≈ 6 p. · exercices · QCM
Évaluations et certification
• Chaque module : exercices pratiques corrigés et QCM de validation de 10 questions.
• Examen final : 50 questions portant sur l’ensemble des modules.
• À l’issue : attestation de fin de formation et Certification AcadémIA Pro.