Cette formation intitulée Machine Learning Fondamentaux constitue une immersion complète dans les bases théoriques et pratiques de l'intelligence artificielle. Le parcours débute par une introduction structurée permettant de comprendre les enjeux, les différents types d'apprentissage (supervisé, non supervisé) et les paradigmes essentiels qui régissent le fonctionnement des machines apprenantes. L'objectif est de transformer des concepts abstraits en compétences actionnables pour préparer les données et poser les bases de la modélisation prédictive. En maîtrisant ces fondamentaux, vous développerez la rigueur analytique nécessaire pour aborder ensuite des algorithmes plus complexes et des techniques d'optimisation avancées.
7
Leçons
1
Quiz et évaluations
0
Exercices et labs
Programme
Un parcours séquencé pour progresser avec méthode. Le détail des leçons est visible ci-dessous ; leur contenu s'ouvre après inscription.
Découvrez les concepts fondamentaux du Machine Learning, ses différents domaines d'application, les principales catégories d'algorithmes (supervisé, non supervisé et par renforcement), ainsi que le cycle de vie complet d'un projet de Machine Learning. Vous comprendrez comment les modèles apprennent à partir des données et comment ils sont utilisés pour résoudre des problématiques métiers.
Apprenez à construire des modèles capables de prédire des variables quantitatives à partir des données. Vous étudierez les principes de la régression linéaire simple et multiple, la régression polynomiale, les métriques d'évaluation (RMSE, MAE, R²), ainsi que les bonnes pratiques pour interpréter les résultats et améliorer les performances des modèles.
Découvrez les principaux algorithmes de classification permettant de prédire des catégories à partir des données. Vous apprendrez à utiliser la régression logistique, les Machines à Vecteurs de Support (SVM) et à évaluer leurs performances grâce à la matrice de confusion, la précision, le rappel, le score F1 et la courbe ROC-AUC sur des cas d'usage réels.
Maîtrisez les algorithmes basés sur les arbres de décision pour résoudre des problèmes de classification et de régression. Vous apprendrez à construire, interpréter et optimiser des arbres de décision, puis à utiliser les Random Forest afin d'améliorer la précision, réduire le surapprentissage et mesurer l'importance des variables dans les prédictions.
Explorez les techniques d'apprentissage non supervisé permettant d'identifier automatiquement des groupes similaires dans les données. Vous découvrirez les algorithmes K-Means, la classification hiérarchique (CAH) ainsi que les méthodes de réduction de dimension telles que l'ACP (PCA) afin de visualiser, résumer et mieux comprendre des jeux de données complexes.
Apprenez à construire des modèles robustes en utilisant les meilleures pratiques d'évaluation. Ce module couvre le découpage entraînement/test, la validation croisée, la recherche d'hyperparamètres (Grid Search et Random Search), la détection du surapprentissage, le biais-variance et les principales métriques d'évaluation adaptées aux différents types de problèmes de Machine Learning.
Mettez en pratique l'ensemble des compétences acquises en réalisant un projet complet de Machine Learning. Vous importerez des données réelles, effectuerez leur nettoyage, l'analyse exploratoire, la préparation des variables, l'entraînement de plusieurs modèles, leur comparaison, leur interprétation et la présentation des résultats dans un notebook professionnel. Ce projet constituera une réalisation concrète pouvant être intégrée à votre portfolio.
Avis des apprenants
Les avis sont moderes avant publication afin de garder des retours utiles et fiables.
0.0 / 5
0 avis approuve(s)
Intervenants
Des professionnels passionnés par la transmission, la Data et l’intelligence artificielle appliquée.
CEO & AI / ML Engineer
Anderson Denart est Data Scientist et AI Engineer, fondateur et CEO de Accurametrics Data Solutions. Spécialisé en intelligence artificielle appliquée, machine learning, NLP, scoring, computer vision et déploiement de solutions data, il accompagne les entreprises dans la transformation de leurs données en leviers de performance mesurables. Son expertise couvre la conception de modèles prédictifs, l’automatisation de processus décisionnels, la création de dashboards intelligents et l’industrialisation de solutions IA orientées métier. Fort d’expériences en data science, scoring bancaire, économétrie et business intelligence, il combine rigueur statistique, vision stratégique et maîtrise technique pour développer des solutions fiables, scalables et directement exploitables par les organisations.
Academic Director /Financial Economist, PhD
Josué Thélissaint est docteur en économie financière, économiste financier et decision scientist, avec une expertise à l’intersection de la finance quantitative, de l’analyse économique, des cryptomarchés et de la DeFi. Son profil se distingue par une double maîtrise : une solide formation académique en ingénierie économique et financière, statistiques et économie appliquée, ainsi qu’une compétence technique en développement informatique et exploitation de données. Cette combinaison lui permet d’aborder les problématiques financières avec une approche rigoureuse, analytique et orientée décision. Il intervient sur des sujets complexes liés à la modélisation économique, à l’analyse des marchés financiers, à l’évaluation des risques et à l’aide à la décision dans des environnements data-driven. Son parcours reflète un positionnement hybride rare, capable de relier la recherche académique, la finance moderne et les technologies émergentes.
Doctorant en Economie
Joseph Kokouvi Djafon possède un parcours académique solide en économie, statistiques et économétrie. Actuellement doctorant en économie à l’Université de Strasbourg, il a auparavant obtenu un master en statistiques et économétrie dans la même université, où il s’est distingué comme major de promotion. Son profil combine une forte expertise quantitative avec des compétences en économétrie avancée, séries temporelles, données de panel, programmation, gestion de données, web scraping et machine learning avec Python. Il dispose également d’une formation approfondie en économie du développement acquise à l’Université de Lomé, où il a aussi obtenu d’excellents résultats académiques.
AI / ML Engineer
Esperant Konzo est un AI/ML Engineer spécialisé dans la conception d’agents intelligents, l’automatisation des processus et la mise en place d’infrastructures IA à grande échelle. Son expertise couvre les architectures RAG, le Model Context Protocol, les bases vectorielles, les agents conversationnels et les systèmes IA connectés à des bases de connaissances d’entreprise. Il a travaillé sur des cas d’usage à fort impact, notamment la détection de fraude, la conformité LCB-FT, l’automatisation documentaire et le développement d’agents IA pour plus de 100 000 utilisateurs. Co-fondateur de la Bantu Language Initiative, il porte également une vision ambitieuse autour du NLP pour les langues africaines sous-représentées, avec l’objectif de construire une infrastructure IA adaptée à des centaines de millions de locuteurs bantous.
Consultant en droit de l’IA et des données
Yvens Joseph FLEURIOT est juriste spécialisé en droit du numérique, avec une expertise en protection des données, intelligence artificielle, droit de l’internet et gouvernance des systèmes d’information. Formé en droit haïtien et français, il est titulaire d’un master en droit des affaires spécialisé dans le numérique. Ses compétences juridiques, complétées par des connaissances techniques en conception web et une maîtrise de l’anglais du numérique, lui permettent d’accompagner les organisations sur leurs enjeux de conformité, de gouvernance et d’encadrement juridique des technologies. Son parcours en théologie, histoire et société renforce également sa compréhension des impacts sociaux et éthiques du numérique.
Economiste / Statisticien
Patrick TELEMAQUE travaille à l’Institut Haïtien de Statistique et d’Informatique (IHSI), où il contribue à la collecte et à l’analyse de données d’entreprises à des fins statistiques et économiques. Économiste et bénéficiaire d’une bourse d’excellence à l’Université Quisqueya, il est également certifié en gestion de projet et en suivi-évaluation. Passionné par la statistique et l’analyse de données, il met son expertise au service de la prise de décision et du développement.