Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 3 · Projet évalué

Le projet : étapes, organisation, présentation

Les étapes du projet

  1. Comprendre et importer les données
  2. Analyser et préparer les données
  3. Entraîner et évaluer un (ou plusieurs) modèle(s)
  4. Analyser les résultats du modèle choisi
  5. Présenter votre projet aux autres groupes

Organisation

  • Groupes de 2 ou 3 personnes.
  • Le formateur joue le rôle de coach : il aide les groupes à avancer et à se débloquer.
  • Présentations des projets le vendredi après-midi.

Vérifie que tu as compris

Quelle taille de groupe demande le cours ?

Contenu de la présentation (environ 10 à 15 min)

  1. Données disponibles et problématique
  2. Analyses réalisées et préparation de données
  3. Modèles testés et performances
  4. Explication du fonctionnement du modèle retenu
  5. Organisation du groupe
  6. Difficultés rencontrées et points positifs

Conseils

  • Prends le temps d'explorer ton jeu de données.
  • Commence par un modèle simple avec une ou deux variables explicatives.
  • Étoffe ensuite le modèle et mesure l'évolution des performances.

Vérifie que tu as compris

Par quoi commencer, selon les conseils ?