Démo - Premier modèle d’apprentissage avec scikit-learn en Python | Cycle avancé IA #3

Lien vers le TP (accès libre) : https://github.com/epimed/eoc-ai-sess... (Ce TP correspond au fichier demo.ipynb dans le répertoire notebook) Cette vidéo est une démonstration (sous la forme d’un TP) pour créer votre premier modèle de classification avec scikit-learn, pandas et matplotlib en Python. Chaque ligne de code est expliquée en détail. A la fin de ce TP, vous avez une trame d’un pipeline typique en machine learning qui contient les étapes suivantes : import de données, visualisation de distribution, création d’une matrice de données et des cibles, création des dataset d’entrainement et de test, entrainement d’un modèle de classification, prédictions et métriques. Intervenant : Ekaterina Flin, ingénieur en informatique, groupe EpiMed, Institut pour l’Avancée des Biosciences (IAB), Université Grenoble Alpes (UGA) #machine_learning #scikit_learn #python Table des matières 00:00 Présentation des données 01:19 Import de données en DataFrame 03:49 Commandes usuelles de pandas 04:40 Afficher une distribution de valeurs 07:26 Créer une matrice de données et les cibles 08:51 Créer les datasets d'entrainement et de test 11:59 Entrainer un modèle de classification 17:43 Prédiction sur le dataset de test, accuracy 20:27 Créer une fonction pour automatiser le calcul Liens Installation de Python, de librairies scientifiques et d’un IDE : https://bit.ly/3o0d8G6 Gestion de tableaux de données avec pandas : https://bit.ly/33v3h1w Formalisme du machine learning, fonction de perte, optimisation : https://bit.ly/3vRxxzO