Atelier T8.A05

Porteurs :

Alexandre Boucaud (CNRS, APC) & Laurent Risser (CNRS, ANITI/3IA & IMT)

Titre :

Python pour la préparation des données et l'apprentissage automatique avec pandas et scikit-learn.

Prérequis :

Maîtrise de la programmation scientifique sous Python

Une connaissance des fondamentaux du machine learning est appréciable.

Objectifs :

Etude complète d'un jeu de données hétérogène et mise en place d'une chaîne de traitement par apprentissage supervisé. Vous apprendrez notamment à utiliser de manière efficace les librairies `pandas` et `scikit-learn`.

Notions abordées :

• Exploration et visualisation des données avec la librairie `pandas`.
• Pré-traitement des données en fonction de leur type.
• Mise en place d'une chaîne de traitement pour faire de l'apprentissage supervisé sur les données, combinant le pré-traitement des données et l'entrainement des modèles prédictifs.
• Evaluation des modèles par cross-validation.
• Optimisation des paramètres des modèles (hyperparamètres) vis-à-vis des performances.

_Mots clés :_

machine learning, apprentissage automatique, frameworks, pandas, scikit-learn, python, jupiter.