Introduction au machine learning avec scikit-learn
Introduction au machine learning (scikit-learn) est un cours de niveau intermédiaire de 5 leçons (environ 2 h 20), avec 13 exercices et 15 questions de quiz. Prérequis : Analyse de données avec pandas et NumPy, Probabilités et statistiques inférentielles. Les exercices s'exécutent dans le navigateur, sans installation.
- Data science
- Intermédiaire
- 5 leçons
- 2 h 20
- 13 exercices
- Exercices exécutés dans le navigateur
Le cours en bref
Ce cours pose les bases du machine learning en Python avec scikit-learn. Vous apprenez à formuler un problème (features, cible, type d'apprentissage), à entraîner et évaluer vos premiers modèles sans vous tromper, puis à automatiser le prétraitement avec des pipelines et la validation croisée. Il prépare aux cours sur l'apprentissage supervisé, non supervisé et l'évaluation des modèles.
Ce que tu sauras faire
- Formuler un problème de machine learning : features, cible, supervisé ou non, régression ou classification
- Entraîner, utiliser et évaluer un modèle scikit-learn avec fit, predict et score
- Découper des données en entraînement et test et diagnostiquer le surapprentissage
- Mettre les données à l'échelle sans fuite de données
- Construire un pipeline et comparer des modèles par validation croisée
Programme des 5 leçons
- Distinguer apprentissage supervisé et non supervisé
- Identifier les features (X) et la cible (y) dans un jeu de données
- Reconnaître un problème de régression et un problème de classification
Machine learningFeatures et variable cibleTypes d'apprentissage
- 02
L'API des estimateurs : fit, predict, score
- Instancier, entraîner et utiliser un estimateur scikit-learn
- Faire des prédictions sur de nouvelles données
- Mesurer la précision (accuracy) avec score
- 03
Séparer entraînement et test
- Découper un jeu de données avec train_test_split
- Reconnaître le surapprentissage en comparant score d'entraînement et de test
- Utiliser stratify pour conserver la proportion des classes
- 04
Prétraitement : mise à l'échelle des données
- Comprendre pourquoi certains modèles sont sensibles à l'échelle des features
- Utiliser StandardScaler et MinMaxScaler
- Appliquer fit sur l'entraînement uniquement et transform sur le test
- 05
Pipelines et premier workflow complet
- Enchaîner prétraitement et modèle dans un Pipeline
- Estimer la performance avec cross_val_score
- Mener un workflow complet de bout en bout
Projet final
Premier modèle de diagnostic : du jeu de données au score final
À partir du jeu intégré load_breast_cancer de scikit-learn, construisez un modèle qui prédit si une tumeur est maligne ou bénigne. Vous devez formuler le problème, découper les données proprement, comparer au moins trois pipelines (par exemple kNN standardisé, régression logistique standardisée, arbre de décision) par validation croisée sur le jeu d'entraînement, retenir le meilleur et rapporter sa performance sur le jeu de test, évalué une seule fois.
Livrables
- Un notebook ou script Python reproductible (random_state fixés) qui va du chargement des données au score de test
- Un tableau comparant les candidats : moyenne et écart-type des scores de validation croisée
- Un court paragraphe justifiant le choix du modèle et commentant l'écart entre score de validation croisée et score de test
Critères d'évaluation
- Problème correctement formulé (features, cible, type de tâche)
- Jeu de test isolé et utilisé une seule fois
- Prétraitement inclus dans des pipelines, sans fuite de données
- Comparaison des modèles par validation croisée, moyenne et dispersion rapportées
- Code lisible, commenté et reproductible
Questions fréquentes
Faut-il être fort en mathématiques pour suivre ce cours ?
Non. Des bases en statistiques descriptives suffisent (moyenne, écart-type, proportions). Le cours privilégie l'intuition et la pratique avec scikit-learn ; les détails mathématiques des modèles sont abordés progressivement dans les cours suivants.
Quels prérequis en Python sont nécessaires ?
Vous devez être à l'aise avec les bases de Python et la manipulation de tableaux avec numpy et pandas. Le cours s'appuie sur les cours Python et statistiques du parcours Data scientist.
Pourquoi apprendre le machine learning avec scikit-learn ?
scikit-learn est la bibliothèque de référence pour le machine learning classique en Python : API uniforme, documentation riche, large communauté. Les réflexes acquis (pipelines, validation croisée) se transposent à d'autres outils.
Le cours contient-il des exercices pratiques ?
Oui. Chaque leçon propose des exercices de code exécutés directement dans le navigateur, avec des tests automatiques, ainsi qu'un quiz. Un projet final vous fait mener un workflow complet de bout en bout.
Ce cours, raconté pour ton métier
Dis ce que tu veux savoir faire : « Introduction au machine learning (scikit-learn) » prend sa place dans ton parcours, avec des exemples de ton secteur. Les notions restent celles du cours.