Introduction
  • l'aperçu du cours
  • Qu'est-ce que la data science ?
  • L'écosytème Python pour la Data Science
Jupyter
  • Installer Anaconda
  • Lancer Jupyter
  • Les bases de Jupyter
  • Les markdowns
Numpy et le calcul scientifique
  • Les tableaux 1D
  • Les tableaux 2D
  • Les fonctions dans Numpy
Pandas et la Science des Données
  • Les DataFrames
  • Lire des données depuis des fichiers
  • Résumer et grouper les données
Matplotlib et la visualisation des données
  • Intro à Matplotlib
  • Les graphes
  • MatplotLib et Seaborn
  • Visualisation et pandas
Le Machine Learning
  • Le Machine learning
  • Les types de machine learning
  • Intro à Scikit Learn
Construction de modèles Machine Learning
  • Régression linéaire
  • Régression logistique
  • Algorithme KNN
  • Les arbres de décisions
  • Les Random Forests
Évaluation des modèles
  • Comment évaluer un modèle ?
  • Compromis biais variance / Overfitting / Train-test split
  • La validation Croisée
  • VIDEO RECAPITULATIVE
LE MATERIEL NECESSAIRE
  • -