Prérequis MACHINE LEARNING — Python | Numpy | Mathématiques

Apprenez, en moins d'une journée, les concepts indispensables de Mathématiques, Python et Numpy pour le Machine Learning

4.70 (77 reviews)
Udemy
platform
Français
language
Data Science
category
Prérequis MACHINE LEARNING — Python | Numpy | Mathématiques
536
students
10.5 hours
content
Jan 2024
last update
$19.99
regular price

What you will learn

Les concepts essentiels de Mathématiques pour le Machine Learning

Un crash course d'Algèbre Linéaire

Un niveau de maitrîse avancé des listes en Python (Slicing / List-Comprehension / Multi-Level Indexing)

Tour complet des fonctions indispensables de Numpy

Description

L’objectif de ce cour est simple : enseigner en moins d’une journée tous les prérequis pour se lancer sans encombres dans le Machine Learning.


Au menu, trois piliers : Python, Numpy et Mathématiques.


Python spécifiquement pour le ML et le DL


• Les 4 fonctions fantastiques de listes indispensables pour gagner du temps.

• Le List-Slicing en Python n’aura plus de secrets pour vous (explications + moyens Mnémotechniques + exercices).

Advanced List-Slicing (au menu : Step-Slicing, Reverse Slicing, Negative Step Slicing et Slice Insert + Slice Delete).

• Les List-Comprehension en Python  (explications pas à pas pour maîtriser ce concept ultrapratique à vie).

Multi-Level Indexing (mes raccourcis pour se repérer en plusieurs dimensions).

Matrix Multiplication avec les listes (vraiment important qu’on l’explique en code Python simple afin de bien ancrer le concept et le fonctionnement)


Numpy (l’engin qui fait tourner Scikit-Learn, Pandas et Matplolib et a inspiré Tensorflow  (de Google) et Pytorch (de Facebook)


Linear Algebra avec Numpy, pourquoi Numpy est plus rapide que Python pur (+ le TP qui vous le prouvera en comparant les performances de vitesse de Numpy et de Python)

• Broadcasting & Element Wise Operations & Conseils pour optimiser la performance (comprenez : pourquoi Numpy est indispensable au ML en Python).

• 50 nuances de Numpy Advanced Slicing (faites ce que vous voulez de vos matrices et tenseurs pour ne plus jamais devoir aller sur Stack Overflow pour réussir à faire ce que vous voulez).

• Les mystères de Tensor numpy.Sum et les arguments Axis & Keepdims enfin expliqués clairement (et le moyen mnémotechnique pour ne jamais oublier quel est l’axe 0 et l’axe 1).

Numpy Reshape Ninja (domptez la méthode reshape et le fameux -1 qui bloquent tant de débutant·es).



Mathématiques spécifiquement pour démarrer en Maths et DL


Algèbre Linéaire, Vecteur, Matrice, Tenseur (tous les éléments essentiels du ML et du Deep Learning).

Normes d’un vecteur L1 et L2 (ultra important pour les modèles de Régressions, linéaires et logistiques et pour les Réseaux de Neurones)

Distance Euclidienne (savoir la calculer ; important pour les KNN et les Systèmes de Recommandations).

Produit Scalaire (a.k.a. le dot product, connaître la formule et savoir l’implémenter.

Différencier Dimension Numpy et Dimension Mathématiques (pour que ce point confus devienne clair comme de l’eau de roche).

Multiplication Matricielle (tout pour maîtriser l’opération la plus importante du Deep Learning, expliqué algorithmiquement).

Probabilités & Bayes Rules (comprendre la Bayes Rules et savoir la retrouver de tête ; indispensable pour le ML).

• Comprendre la corrélation (interpréter numériquement et visuellement).

Fonctions Usuelles (dont exponentielle et logarithme) avec visualisation interactive d’une surface en 3D avec Python.

• Concept de Dérivées (expliqué simplement, juste ce qu’il faut pour pouvoir comprendre le Deep Learning et la descente de Gradient).

• Tout ce qu’il faut savoir de la loi Normale (Gaussienne).

Les Statistiques Descriptives et comment les comprendre intuitivement (indispensable, car on les utilise à chaque début de projet ML et Data Science en Python).


Le but n’est pas de faire de vous des expert·es en Python, Maths et Numpy. Le but est de vous donner les armes nécessaires pour progresser dans votre carrière en ML sans confusion et sans douter de vous.


Après ce cours, vous pourrez continuer à apprendre les concepts dont vous aurez besoin quand vous les rencontrerez car vous aurez déjà acquis les concepts clefs pour démarrer.


Plus besoin de faire 6 semestres de cours de Mathématiques à l’université, une journée suffit.

Plus besoin de bloquer quand on rencontre un message d’erreur qui parle de shape, de broadcast, de slice ou de dimension.

Plus besoin de passer 2 heures à trouver comment manipuler votre liste pour obtenir le résultat que vous voulez.


ATTENTION, ce cours parle de Machine Learning et de Deep Learning avec Python mais n’est pas un cours de ML ou DL.

Egalement bon à savoir, ce cours n’inclus pas :

• Eigenvalues & Eigenvectors & SVD ;

• De méthodologie Machine Learning ou Deep Learning à proprement parler ;

• Ce n’est pas un cours PYTHON, vous devez connaître les fondamentaux de Python (listes, boucles, if, fonctions, a minima).


Si vous connaissez tout ce que j’ai listé plus haut, ce qui peut être considéré comme les “bases des bases”, alors je tiens à vous dire que vous avez tout ce qu’il faut pour réussir. Ayez confiance en vous !


Si des points aiguisent votre curiosité ou vous sont peu ou pas connus, alors ce cours est fait pour vous !

Content

Introduction

Ce que vous devez savoir sur ce cours
Révisez les Bases de Python en 10 minutes TOP-CHRONO
Mise en Place de l'Environnement de Travail et Conseils pour le Cours

Domptez les Listes en Python

Révisions et approfondissement des notions de bases sur les Listes en Python
[INDISPENSABLE] Le Liste Slicing en Python
[OPTIONNEL] Advanced Liste Slicing
[INDISPENSABLE] Les List-Comprehensions en Python
Guide du Multi Level Indexing en Python pour le Machine Learning

Crash-Course d'Algèbre Linéaire pour le Machine Learning en Python

Introduction sur l'Algèbre Linéaire
Numpy Dot Product & Performances
Tout ce qu'il faut savoir sur les Vecteurs + Démo Python
Tout ce qu'il faut savoir sur les Matrices + Démo Python

Maitrisez Numpy -- Le couteau suisse du Machine Learning en Python

[INDISPENSABLE] Numpy Reshape -- Clairement Expliqué
Numpy Broadcasting -- Découvrez le côté obscur de Numpy
[INDISPENSABLE] Numpy Masking
Numpy Sum -- Comprendre les arguments axis et keepdims
[INDISPENSABLE] Advanced Numpy Slicing
9 EXERCICES pour Perfectionner son Slicing avec Numpy

Les Concepts de Mathématiques Essentiels pour Machine Learning & Deep Learning

[INDISPENSABLE] Les fonctions usuelles à connaître
Fonctions à plusieurs variables + Visualisation Interactive en 3D avec Python
Les Dérivées
Statistiques Descriptives + Inégalité de Chebischev
[INDISPENSABLE] La loi Normale - Tout ce qu'il faut connaître
Probabilité, Bayes Rules et Démo Python

Reviews

Pascal
September 12, 2023
Tout est très bien expliqué avec des exemples (un peu lent. Même en x2 la vitesse reste normale. Je suppose que c'est pour gonfler le nombre d'heures).
Raphaël
February 21, 2023
le cours est vraiment ideal avant de commencer le machine learning . tout est tellement bien explique !
Claude
February 5, 2023
Arrivé à la moitié, mon appréciation sera beaucoup plus juste. Les présentations, même si un peu longues, sont très claires et avec de nombreux cas pratiques. Le formateur est très réactif, ce qui supprime ma crainte initiales, due à quelques mauvaises expériences sur Udemy. Aucune raison que la seconde moitié ne soit pas à la hauteur.
Franck
March 6, 2022
Explications très claires et à la portée de tous peut etre faudrait il juste proposer qq exercices à faire soi-même et à corriger ensuite ensemble
Aké
January 3, 2022
Parfait! Très bon cours le formateur maitrise son sujet et explique vraiment avec la plus grande clarté possible.
Landry
January 15, 2021
Très bon cours pour débuter! Les explications sont claires. C'est un peu rapide au niveau des concepts mathématiques mais c'est pour débuter donc très bon cours!

Coupons

DateDiscountStatus
9/6/202285% OFF
expired

Charts

Price

Prérequis MACHINE LEARNING — Python | Numpy | Mathématiques - Price chart

Rating

Prérequis MACHINE LEARNING — Python | Numpy | Mathématiques - Ratings chart

Enrollment distribution

Prérequis MACHINE LEARNING — Python | Numpy | Mathématiques - Distribution chart
3593946
udemy ID
10/26/2020
course created date
10/28/2020
course indexed date
Bot
course submited by