Module 1 : Introduction au Machine Learning
Apprenez Introduction au Machine Learning pour créer des modèles prédictifs

Cette formation intensive vous plonge dans les piliers fondamentaux de l'intelligence artificielle en abordant les algorithmes de régression linéaire et polynomiale, ainsi que les méthodes de classification telles que la régression logistique et le SVM. Vous explorerez également la puissance des arbres de décision et des forêts aléatoires, complétée par une expertise en clustering via K-means et DBSCAN pour l'analyse de données non étiquetées. Le programme s'élève ensuite vers des architectures plus complexes avec une immersion approfondie dans les réseaux de neurones et le Deep Learning. Au-delà de la modélisation, ce cursus vous prépare à l'excellence technique grâce à des modules dédiés au Feature Engineering et à l'optimisation par validation croisée. Vous apprendrez non seulement à concevoir des solutions performantes, mais aussi à assurer le déploiement concret de vos modèles dans des environnements de production. La formation se clôture par la réalisation d'un projet final d'envergure, vous permettant de synthétiser l'ensemble de vos acquis à travers la création d'un modèle de Machine Learning complet et opérationnel.
10
Leçons
10
Quiz et évaluations
0
Exercices et labs
Programme
Un parcours séquencé pour progresser avec méthode.
Apprenez Introduction au Machine Learning pour créer des modèles prédictifs
Apprenez Régression linéaire et polynomiale pour créer des modèles prédictifs
Apprenez Classification (Logistic Regression, SVM) pour créer des modèles prédictifs
Apprenez Arbres de décision et Random Forest pour créer des modèles prédictifs
Apprenez Clustering (K-means, DBSCAN) pour créer des modèles prédictifs
Apprenez Réseaux de neurones et Deep Learning pour créer des modèles prédictifs
Apprenez Optimisation et validation croisée pour créer des modèles prédictifs
Apprenez Feature Engineering pour créer des modèles prédictifs
Apprenez Déploiement de modèles pour créer des modèles prédictifs
Apprenez Projet final : Modèle ML complet pour créer des modèles prédictifs
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.

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.