Le Machine Learning
Construisez des modèles prédictifs grâce aux algorithmes de Machine Learning
M'abonner
Au programme de ce cours en ligne
Cette formation dispensée par Rod Paris explique pas à pas les notions compliquées de Machine Learning pour les rendre accessibles au plus grand nombre. Apprenez étape par étape les mécanismes des algorithmes des k Nearest Neighbors (k plus proches voisins), de la régression linéaire, de la régression logistique et de l’algorithme des k-mean clustering. Vous apprendrez à évaluer la qualité et précision de ces modèles via des métriques d’erreur. La validation croisée et l’optimisation d’hyper paramètres n’auront plus de secrets pour vous. À la fin de cette formation, vous aurez toutes les bases pour comprendre et construire vos propres modèles de Machine Learning plus poussés.
Certificat de réussite
Terminez votre cours pour accéder au certificat
Notre expert
Rod Paris
Rod a déjà accompagné plus de 9000 étudiants sur ses formations. Entrepreneur, Data Scientist, Développeur Web et Formateur passionné de Cloud, Big Data et d’Intelligence Artificielle, il écrit aussi de nombreux articles sur le blog Mon Coach Data. Sa mission consiste à vous inspirer à créer quelque chose qui ait du sens pour vous, car c’est en étant passionné que l’on réussit le mieux. Il propose aujourd’hui des formations sur Python, SQL, la Data Science, le Machine Learning et l’Intelligence Artificielle. Il a hâte de vous retrouver dans ses cours et de vous transmettre ses passions.
En apprendre plus sur Rod Paris
Avis des apprenants sur ce cours
4,6 sur 5
47 avis
YK
Yao Souleymane K.
Excellent !
il y a 18 jours
CL
Charles L.
Très bien !
il y a 21 jours
RC
Romain C.
Très bien !
Beaucoup aimé ce cours qui m'a énormément appris dans le domaine du machine Learning après ma formation sur python et qui va grandement m'être utile
il y a 5 mois
Pourquoi suivre ce cours ?
Vous souhaitez construire vos propres modèles prédictifs avec des algorithmes de Machine Learning ? Ce cours de Machine Learning vous permettra de comprendre comment construire des modèles prédictifs, comment mesurer leurs performances et comment les améliorer.
