Your cart is empty.
Keep shopping
Data Science et Machine Learning avec Python : MasterClass
Bestseller
5,446 students
Data Science et Machine Learning avec Python : MasterClass
NumPy, Pandas, Seaborn, Scikit-Learn : passe de Python à de vrais modèles de Machine Learning avec des projets réels
Created byJose Portilla, Rod Paris, MonCoachData | Data Science | Machine Learning | Deep Learning | Python | SQL, Pierian Training
Last updated 10/2026
French
French [Auto],
What you'll learn
- Manipuler et analyser des données avec NumPy et Pandas, de la sélection de colonnes aux traitements avancés
- Créer des visualisations personnalisées avec Matplotlib et des graphiques statistiques avec Seaborn
- Comprendre en profondeur les concepts clés du Machine Learning avant d'écrire la première ligne de code
- Prédire des valeurs continues avec la régression linéaire, sur des cas réels
- Construire des modèles de classification : régression logistique, KNN, SVM, arbres de décision et Random Forests
- Améliorer tes modèles avec le Boosting, la validation croisée et le Grid Search
- Réaliser du feature engineering et préparer des datasets du monde réel pour le Machine Learning
- Mener un projet complet d'analyse et de visualisation de données
- Construire un portfolio de projets Data Science et Machine Learning pour ton CV
Explore related topics
Course content
19 sections • 188 lectures • 44h 29m total length
Requirements
- Connaissance de base de Python
Description
Tu connais déjà un peu Python et tu veux passer de l'analyse de données au Machine Learning (apprentissage automatique) ? Cette MasterClass te guide pas à pas, de NumPy jusqu'aux modèles de Scikit-Learn, en plus de 44 heures de vidéos et 188 sessions. Cours conçu avec Jose Portilla (Pierian Training).
Ce que tu vas faire dans ce cours
Maîtriser NumPy et Pandas pour manipuler et analyser des données réelles
Visualiser tes résultats avec Matplotlib et Seaborn
Réaliser un projet complet d'analyse et de visualisation de données
Comprendre les concepts du Machine Learning, puis construire des modèles de régression et de classification avec Scikit-Learn
Explorer la régression linéaire et logistique, KNN, SVM, arbres de décision, Random Forests et Boosting
Préparer tes données (feature engineering) et valider tes modèles (validation croisée, Grid Search)
Pourquoi cette formation est différente
Un équilibre 50 % théorie (concepts et mathématiques), 50 % pratique (code Python) : tu comprends non seulement comment utiliser les bibliothèques, mais aussi pourquoi et quand les utiliser
Des études de cas issues du monde réel et des datasets prêts à l'emploi
Un module Python en accéléré (facultatif) pour remettre tes bases à niveau
Du code à télécharger, utilisable sur Google Colab ou en local avec Anaconda et Jupyter Notebook
Prérequis : des bases de Python.
À la fin de ce cours
Tu sauras mener un projet de Data Science de bout en bout : charger et nettoyer un dataset réel avec Pandas, l'explorer avec des graphiques Seaborn, préparer les variables, puis entraîner, comparer et régler plusieurs modèles de Machine Learning avec Scikit-Learn. Tu comprendras aussi pourquoi un algorithme fonctionne, ce qui t'aidera en entretien d'embauche comme sur tes propres projets.
Ton formateur
Je suis Rod, Data Scientist et développeur web, fondateur de MonCoachData et de DataXp. Plus de 80 000 personnes ont déjà suivi mes formations Python, SQL, Data Science, Machine Learning et IA sur Udemy. Mon objectif : rendre accessibles des sujets complexes et te préparer à les utiliser dans le monde réel. Pour ce cours, je me suis associé à Jose Portilla et à l'équipe Pierian Training.
Garantie : tu as 30 jours pour tester le cours, satisfait ou remboursé selon les conditions d'Udemy. Tu gardes un accès à vie au contenu et à ses futures mises à jour, et tu reçois un certificat de fin de formation à ajouter à ton profil LinkedIn.
Prêt à passer de Python à tes premiers modèles de Machine Learning ? Inscris-toi et on se retrouve dans la première vidéo.
Who this course is for:
- Développeurs Python débutants ou intermédiaires qui veulent se former à la Data Science et au Machine Learning
- Étudiants et personnes en reconversion qui visent un métier de Data Scientist ou de Data Analyst
- Toute personne qui veut comprendre le Machine Learning en profondeur : théorie et code Python