Retour à la liste des ateliers
Retour à la thématique
Retour au programme
Retour à la liste des thématiques

Olivier Grisel

• Date : 1ere session mardi 30/06 et 2nde session jeudi 02/07
• Heure : matin
• Salle :

• Autre(s) Thématique(s) :

• Intermédiaire, Avancé

• Expérience en programmation Python ou un autre langage objet.
• Un connaissance d'outils de modélisation numérique et d’algèbre linaire comme numpy ou matlab est un plus.
• Connaissance de bases en statistiques.

• Chercheurs / Ingénieur de recherche qui souhaitent se familiariser avec la modélisation prédictive des données.

• Nombre maximum de personne : 50

Comprendre les concepts de base du machine learning et se familiariser avec les outils de l’écosystème Python.

Cet atelier sera l'occasion de prendre en main les principaux outils de écosystème Python pour analyser des données et construire des modèles prédictifs:

• IPython notebook / Jupyter (environnement de développement interactif / exploratoire)
• numpy / scipy (analyse numérique)
• pandas (chargement et la mise en forme des données)
• matplotlib (visualisation)
• scikit-learn (apprentissage automatique ou machine learning)

Après une courte introduction des concepts de base du machine learning nous verront par la pratique comment mettre en œuvres les bibliothèques open source de écosystème Python pour développer, évaluer et comparer des modèles prédictifs.

• OS Linux, OSX ou Windows
• Logiciels: Distribution Python Anaconda
• Nbre de personnes maximum: 50

• Supports du tutorial: https://github.com/ogrisel/parallel_ml_tutorial
• Documentation de scikit-learn: https://scikit-learn.org
• Tutorial complémentaire sur l'ecosysteme Python Scientifique : https://scipy-lectures.github.io/