Python et pratique de la Data Science

Ects : 2

Enseignant responsable :

CLAUDE VINCENT

Volume horaire : 15

Description du contenu de l'enseignement :

1. Préparation des données, EDA. Traitement des classes déséquilibrées

2. Les Réseaux de neurones ANN et leur optimisation avec les Hyperparametres

3. Les Réseaux de neurones RNN et CNN

4. L'apprentissage non supervisé avec KNN et les Autoencodeurs

5. Le modèle XGBoost

6. Le cours se déroule d'une manière générale en 2 parties: Rappels théoriques et approfondissements, puis projet à mener en trinôme.