Python et pratique de la Data Science

ECTS : 2

Volume horaire : 15

Description du contenu de l'enseignement :

• Préparation des données, EDA. Traitement des classes déséquilibrées
• Les Réseaux de neurones ANN et leur optimisation avec les Hyperparametres
• Les Réseaux de neurones RNN et CNN
• L'apprentissage non supervisé avec KNN et les Autoencodeurs
• Le modèle XGBoost
• Le cours se déroule d'une manière générale en 2 parties: Rappels théoriques et approfondissements, puis projet à mener en trinôme.