Articles

100 Jours de ML

11 articles dans cette catégorie.

#100JoursDeML : le guide complet pour apprendre le machine learning en 100 jours100 Jours de ML
10 juillet 2025 · 4 min de lecture

#100JoursDeML : le guide complet pour apprendre le machine learning en 100 jours

Le programme jour par jour du challenge : Python, statistiques, préparation des données, modèles supervisés et non supervisés, séries temporelles — 100 leçons vidéo offertes, organisées en 10 modules.

Lire l'article →
100 Jours de ML — Module 1 : démarrer avec Python et les outils du data scientist100 Jours de ML
9 juillet 2025 · 5 min de lecture

100 Jours de ML — Module 1 : démarrer avec Python et les outils du data scientist

Qu'est-ce que le machine learning ? Comment installer Anaconda ? Cours détaillé leçon par leçon : NumPy, Pandas, Matplotlib et Seaborn pour débuter la data science avec Python.

Lire l'article →
100 Jours de ML — Module 2 : les statistiques indispensables pour le machine learning100 Jours de ML
8 juillet 2025 · 5 min de lecture

100 Jours de ML — Module 2 : les statistiques indispensables pour le machine learning

Types de variables, moyenne, médiane, écart-type, normalité, lois de probabilité, corrélation : cours détaillé leçon par leçon du socle statistique du data scientist.

Lire l'article →
100 Jours de ML — Module 3 : les méthodes factorielles (ACP, AFC, ACM)100 Jours de ML
7 juillet 2025 · 5 min de lecture

100 Jours de ML — Module 3 : les méthodes factorielles (ACP, AFC, ACM)

Analyse en composantes principales, AFC, ACM : cours détaillé leçon par leçon — inertie, valeurs propres, cercle des corrélations, interprétation des axes et pratique Python.

Lire l'article →
100 Jours de ML — Module 4 : préparer ses données (preprocessing)100 Jours de ML
6 juillet 2025 · 6 min de lecture

100 Jours de ML — Module 4 : préparer ses données (preprocessing)

Standardisation, encodage one-hot, Box-Cox, valeurs manquantes, outliers, feature selection : cours détaillé leçon par leçon du prétraitement des données en machine learning.

Lire l'article →
100 Jours de ML — Module 5 : les fondamentaux de l'apprentissage supervisé100 Jours de ML
5 juillet 2025 · 6 min de lecture

100 Jours de ML — Module 5 : les fondamentaux de l'apprentissage supervisé

Fonction de coût, RMSE, matrice de confusion, précision, rappel, F1, AUC, overfitting, biais-variance, validation croisée : cours détaillé leçon par leçon du machine learning supervisé.

Lire l'article →
100 Jours de ML — Module 6 : régressions linéaire et logistique100 Jours de ML
4 juillet 2025 · 6 min de lecture

100 Jours de ML — Module 6 : régressions linéaire et logistique

Moindres carrés, hypothèses, VIF, odds ratio, SMOTE, seuil optimal, Ridge, Lasso, Elastic Net : cours détaillé leçon par leçon des deux modèles fondamentaux du machine learning.

Lire l'article →
100 Jours de ML — Module 7 : arbres de décision, forêts aléatoires et ensemble learning100 Jours de ML
3 juillet 2025 · 6 min de lecture

100 Jours de ML — Module 7 : arbres de décision, forêts aléatoires et ensemble learning

Indice de Gini, élagage, bagging, boosting, stacking, random forest, AdaBoost, gradient boosting, XGBoost, LightGBM, CatBoost : cours détaillé leçon par leçon des modèles rois des données tabulaires.

Lire l'article →
100 Jours de ML — Module 8 : KNN et SVM expliqués simplement100 Jours de ML
2 juillet 2025 · 4 min de lecture

100 Jours de ML — Module 8 : KNN et SVM expliqués simplement

K plus proches voisins, distance euclidienne, lazy learning, hyperplan, marge maximale, vecteurs de support, kernel trick : cours détaillé leçon par leçon de deux classiques du machine learning.

Lire l'article →
100 Jours de ML — Module 9 : l'apprentissage non supervisé et le clustering100 Jours de ML
1 juillet 2025 · 5 min de lecture

100 Jours de ML — Module 9 : l'apprentissage non supervisé et le clustering

K-means, centroïdes, méthode du coude, silhouette, CAH, dendrogramme, critère de Ward, DBSCAN : cours détaillé leçon par leçon pour segmenter des données sans étiquettes.

Lire l'article →
100 Jours de ML — Module 10 : les séries temporelles (ARIMA, VAR, GARCH)100 Jours de ML
30 juin 2025 · 6 min de lecture

100 Jours de ML — Module 10 : les séries temporelles (ARIMA, VAR, GARCH)

Stationnarité, test ADF, autocorrélation ACF/PACF, ARIMA, VAR, VECM, cointégration, volatilité ARCH/GARCH : cours détaillé leçon par leçon de la prédiction de séries temporelles.

Lire l'article →
← Tous les articles