Machine Learning par la pratique avec Python: Projets réels dans les Finances, l'Immobilier, le Trading, la Santé, le Marketing, etc.

Ce livre est purement pratique afin de permettre à toute personne de pouvoir créer des systèmes d'apprentissage automatique (Machine Learning) dans son domaine d'intervention. Les projets couvrent plusieurs domaines. Vous apprendrez à :ⱷNettoyer un jeu de données et la rendre prête pour la modélisation (Traitement des valeurs manquantes, Détection et suppression des outliers, Encodage des variables catégorielles, Normalisation des données, etc.) ;ⱷConstruire un modèle de classification (LogisticRegression, RandomForestClassifier, DecisionTreeClassifier, KNeighborsClassifier, etc.) et d'un modèle de régression (LinearRegression, RandomForestRegressor, DecisionTreeRegressor, KNeighborsRegressor, etc.) ;ⱷEvaluer la performance d’un modèle (Données d’entraînement et d’évaluation, Choix de la métrique, Validation croisée, Robustesse du modèle, etc.)ⱷeffectuer des prédictions ;ⱷmodéliser des séries temporelles et effectuer des prévisions ;ⱷrechercher les hyperparamètres optimaux d'un modèle en utilisant les méthodes Grid Search et Random Search ;ⱷautomatiser la sélection du meilleur modèle avec l'outil TPOT ;ⱷautomatiser le flux de travail de vos projets de Machine Learning ;ⱷeffectuer des segmentations avec des algorithmes comme KMeans ;ⱷréduire la dimension de grand ensembles de données en utilisant l'ACP, ...etc.Vous pouvez télécharger toutes les données utilisées dans ce livre ainsi que d’autres donnéespour vous exercer à travers ce lien :https://github.com/JosueAfouda/Machine-Learning-par-la-pratique-avecPython/archive/master.zipPar ailleurs, vous pouvez utiliser directement les URL de chaque fichier de données dans vosnotebooks ce qui vous dispense de les télécharger.