Machine Learning for Beginners
Online

Machine Learning – Niveau 1

4.0 / 5  

Une formation d’initiation au Machine Learning qui associe les concepts théoriques, les fondements mathématiques et les algorithmes essentiels pour comprendre comment les machines apprennent à partir des données.

600.0 MAD / Programme de formation

À propos de cette formation

Découvrez le contenu, les objectifs et les caractéristiques de cette formation.

Description

La formation comprend 7 chapitres et se concentre principalement sur les aspects théoriques, conceptuels et mathématiques du Machine Learning.

🎯 Nature de la formation

Cette formation se concentre uniquement sur les aspects théoriques de l’intelligence artificielle et du Machine Learning.

Mon rôle dans cette formation est de simplifier les concepts théoriques et mathématiques qui peuvent sembler complexes, en les expliquant de manière claire et structurée pour faciliter la compréhension du fonctionnement des algorithmes de Machine Learning.

⏱️ Durée de la formation

La durée totale des vidéos enregistrées est d’environ deux heures. Elles ne seront pas diffusées en une seule fois, mais partagées progressivement sur une période d’un mois.

💻 Méthode d’apprentissage

Les leçons seront préenregistrées sous forme de vidéos et partagées progressivement tout au long du mois de formation.

Les participants seront répartis en petits groupes de 10 étudiants au maximum afin de favoriser les échanges lors des rencontres hebdomadaires.

📅 Au début de chaque semaine :

  1. Je partage avec vous la partie du cours prévue.
  2. Je partage les exercices correspondants.
  3. À la fin de la semaine, nous organisons une rencontre de groupe pour discuter du cours.
  4. Nous corrigeons les exercices ensemble et répondons aux questions.
  5. Nous passons ensuite à la partie suivante de la formation.

Nous poursuivons ainsi progressivement jusqu’à la fin du programme.

Informations sur la formation

Présenté par Mansour Salah-Eddine
Langue Darija
Durée 2 Heures
Niveau intermediate

Ce que vous allez apprendre

Développez des compétences pratiques grâce à des cours structurés, des exercices pratiques et une approche pédagogique visant à renforcer la compréhension et la résolution de problèmes.

Méthodes d’évaluation des modèles

Métriques d’évaluation, mesure des performances et analyse des modèles.

Transformation des données

Prétraitement des données, normalisation, standardisation et encodage des caractéristiques.

Réduction de la dimensionnalité

Sélection et extraction des caractéristiques et analyse de corrélation.

Échantillonnage et équilibrage des classes

Stratégies d’échantillonnage, jeux de données déséquilibrés, suréchantillonnage, sous-échantillonnage et SMOTE.

Méthodes de régression

Régression linéaire, régression polynomiale, fonctions de coût et optimisation.

Méthodes de classification

Régression logistique, k plus proches voisins (KNN), perceptron et Naive Bayes.

Méthodes de clustering

Algorithme de regroupement K-means.

Prérequis

  • Algèbre linéaire : vecteurs, matrices, opérations matricielles et produits scalaires.
  • Analyse mathématique
  • Mathématiques de base

À qui s’adresse cette formation ?

  • Étudiants
  • Ingénieurs
  • Professionnels
  • Enseignants et formateurs
  • Chercheurs

Inscrivez-vous à la formation

Remplissez le formulaire ci-dessous pour vous inscrire à la formation.

Informations sur la commande