Python pour l'Intelligence Artificielle (IA) - Initiation
PDF
Paris 
Classe virtuelle 21 heures sur 3 jours
à Paris & à distance
(Zoom, Google Meet, etc.).
Nous nous engageons à vous répondre dans un délai de 48h
1 650 € HT / personne
Etudions ensemble vos options de financement
Contactez-nous pour monter votre dossier !
La note de cette formationCe programme n'a pas encore été noté.
Découvrez les avis laissés par nos stagiaires sur Avis vérifiés
Objectifs de la formation
Python pour l'Intelligence Artificielle (IA) - Initiation
Comprendre les concepts de base de l'IA et son utilisation avec Python
Acquérir des compétences pratiques manipuler les données avec Pandas
Maîtriser les techniques d'analyse des données pour les projets d'IA
Pré-requis
Maîtrise des fondamentaux de la programmation Python : compréhension des concepts de base tels que les variables, les types de données, les structures de données (listes, dictionnaires), les structures de contrôle (boucles, conditions) et les fonctions et capacité de débugger un code simple.
Pour qui ?
Cette formation s'adresse à toute personne souhaitant pouvoir manipuler, analyser et prédire des données avec Python.
Formations recommandées
Aucun programme supplémentaire n'est requis pour suivre cette formation.
Au programme de la formation
Python pour l'Intelligence Artificielle (IA) - Initiation
Introduction à l'IA
- Définitions et concepts clés de l'IA
- Applications de l'IA dans le monde réel
- Aperçu des bibliothèques populaires d'IA en Python
- Bases du langage Python
- Rappel des bases du langage Python (structures de contrôle, fonctions)
Introduction à Pandas
- Présentation de Pandas et son rôle dans l'analyse de données
- Chargement des données dans un DataFrame
- Pandas Manipulation des données (tri, filtrage, groupement)
- Nettoyage des données (gestion des valeurs manquantes, des doublons, des outliers)
- Exercices pratiques de manipulation de données avec Pandas
Analyse des données avec Pandas
- Exploration des données avec Pandas
- Analyse univariée (statistiques descriptives, distribution)
- Analyse multivariée (corrélations, tendances, patterns)
- Pratique 2 (1h) : Exercices pratiques de manipulation et de visualisation des données
Visualisation des données avec Python
- Introduction à la visualisation des données et son importance dans l'analyse
- Utilisation de la bibliothèque Matplotlib pour créer des graphiques
- Création de graphiques à barres, histogrammes, diagrammes circulaires, etc.
- Visualisation interactive avec la bibliothèque Plotly
- Personnalisation des graphiques (titres, légendes, couleurs)
- Exercices pratiques de manipulation et de visualisation des données
Manipulation avancée des données avec Pandas
- Concatenation et jointure de DataFrames
- Normalisation et logarisation des données
- Transformation des variables qualitatives (one-hot encoder)
- Création de nouvelles colonnes (feature engineering)
- Exercices pratiques de manipulation avancée des données avec Pandas
Introduction à l'analyse exploratoire avancée des données avec Scikit-learn
- Machine learning supervisé : regression et classification avec Scikit-learn
- Machine learning non supervisé : clustering
- Mise en place d'un modèle, méthodologie d'une modélisation
- Projet pratique d'analyse des données en utilisant Matplotlib, Pandas, Scikit-learn
Méthode pédagogique
8 participants maximum, un poste par stagiaire et un support de cours est remis en fin de stage. La formation est constituée d'apports théoriques, de démonstrations et de mises en pratique basées sur des exercices (méthode démonstrative).
Accessibilité
Cette formation est accessible aux personnes en situation de handicap.
Modalité de validation des acquis
Évaluation continue des connaissances via des exercices et/ou ateliers et des acquis via un questionnaire en fin de formation. Attestation de fin de stage (certificat de réalisation). Émargement quotidien d'une feuille de présence.
Obtenir des informations
Formations similaires
Ces formations pourraient vous intéresser
-
Data Science et Intelligence ArtificielleDécouverte des réseaux neuronaux et du Deep Learning
-
Data Science et Intelligence ArtificielleDécouvrez les métiers de l'IA : Data Analyst, Data Scientist, Data Engineer
-
Data Science et Intelligence ArtificielleData Analyse et le Machine Learning : De la théorie à la pratique des bases de l'IA
-
Data Science et Intelligence ArtificielleDatagouvernance : analyser et Maitriser ses données pour l'IA
-
Data Science et Intelligence ArtificielleEnjeux et perspectives du Big Data
-
Data Science et Intelligence ArtificielleBig Data : Architecture et infrastructure
-
Data Science et Intelligence ArtificielleBig Data et Datavisualisation
-
Data Science et Intelligence ArtificielleDatavisualisation
-
Data Science et Intelligence ArtificielleData Visualisation avec Python
-
Data Science et Intelligence ArtificielleJavaScript et la Datavisualisation
-
Data Science et Intelligence ArtificiellePython pour l'Intelligence Artificielle (IA) - Perfectionnement
-
Data Science et Intelligence ArtificielleDéveloppement d'API et Web Services REST en Python
-
Data Science et Intelligence ArtificiellePython pour l'Intelligence Artificielle (IA) - Initiation
