#LOW-CODE #MACHINE LEARNING #PYCARET #REGRESSION

Ce que vous apprendrez

  • Utiliser un modèle de régression pour automatiser des tâches

  • Développer une Preuve de Concept low-code en machine learning

  • Développer sa capacité à déceler des tâches à automatiser

  • Votre expérimente d'apprentissage

    Apprendre par la pratique, développer votre intuition et comprendre les concepts de base.

  • Notre objectif

    Vous fournir une expérience d’apprentissage pour vous aider à atteindre vos objectifs.

  • Prérequis

    Concepts de base de Python et de machine-learning

  • Applications

    Automatisation de tâches simples

  • Outils

    Jupyter Notebook ou Visual Studio Code, PyCaret

Contenu du projet pratique

    1. Bienvenue

    2. Version Video

    3. Comment utiliser ce projet pratique

    4. Prérequis

    5. Option Premium

    6. Avant que nous commencions...

    1. Vue d’ensemble du projet

    2. Objectifs d'apprentissage

    3. Domaines d’application

    4. Ressources

    5. Mise en place de l’environnement

    6. Survol de la solution

    7. Code initial

    1. Description de la tâche

    2. Conseils

    3. Solution

    4. Solution vidéo

    1. Description de la tâche

    2. Conseils

    3. Solution

    4. Solution vidéo

    1. Description de la tâche

    2. Conseils

    3. Solution

    4. Solution vidéo

    1. Quizz

About this course

  • Gratuit
  • 55 leçons

Description

Ce projet est destiné aux personnes intéressées à l’apprentissage d’une librairie low-code de Machine Learning afin de créer des produits IA. Je vous apprendrai ici comment construire de a à z un modèle de régression à l’aide de PyCaret, une librairie Python Open-Source low-code. Nul besoin d’être un Data Scientist pour suivre ce cours, mais je vous recommande d’être familier avec Python et les principaux concepts de Machine Learning. L’objectif principal est de vous offrir un exemple concret de l’utilisation d’un modèle de régression pour automatiser certaines tâches simples (intelligent automation). Vous aurez ainsi désormais la capacité de vous projeter sur l’automatisation de certaines tâches (aussi bien pour vous, que pour votre équipe ou même votre entreprise) à l’aide de modèles de Machine Learning. Vous aurez également ajouté à vos compétences la capacité à développer rapidement une POC (Preuve de concept) à l’aide d’un outil low-code tel que PyCaret.

Instructeur

Hadrien Hubert

Partenaire Formation

Pluridisciplinaire, je suis détenteur d'un master en data science mais également en droit, en finance. J'exerce actuellement le métier de data scientist dans une grande banque européenne et enseigne également dans une faculté française. Ayant travaillé sur une variété de projets data (analyse, prédictions, classification, segmentation clients, NLP, déploiement cloud), et aimant transmettre tout autant qu'apprendre, je me ferai un plaisir de vous partager mon savoir-faire et mes connaissances de la manière la plus pédagogique possible !

Questions fréquemment posées

  • De quels logiciels et versions ai-je besoin ?

    Jupyter Notebook ou Visual Studio Code, PyCaret.

  • Est-ce que le cours de préparation est obligatoire à suivre

    Non. Le cours a été conçu comme une référence

  • Est-ce que le contenu sera encore disponible après la fin du projet

    Absolument et pour toujours!