Apprentissage supervisé et non supervisé : comprendre le rôle de la cible
Comprenez ce qui guide l’apprentissage : une cible connue pour apprendre à prédire, ou les structures des données à explorer sans cible fournie.
Parcours gratuit· À votre rythme
Parcours gratuit· À votre rythme
Première partie du parcours machine learning : comprendre l’IA, préparer Python et Jupyter, lire les fichiers Excel et CSV, explorer et visualiser les données, puis construire un premier modèle et expliquer son évaluation.
Comprenez ce qui guide l’apprentissage : une cible connue pour apprendre à prédire, ou les structures des données à explorer sans cible fournie.
Apprenez les bases de Python pas à pas : variables, listes, dictionnaires, conditions, boucles et fonctions, avec un notebook et un exercice corrigé.
Installer Python avec uv sous Windows, préparer VS Code et Jupyter, puis créer TesterProjet.ipynb pour vérifier le noyau et les bibliothèques du projet.
Comprenez les différences entre IA, machine learning, deep learning et IA générative, puis suivez les étapes qui mènent du modèle à une application.
Les liens du parcours pour commencer. Puis un résumé à chaque nouvel article, pour choisir ce que vous souhaitez approfondir.
L’intelligence artificielle expliquée pas à pas, du modèle à l’application web.