Ma Collection de Notebooks Data Science et ML

Introduction

Ce dépôt rassemble mes notebooks Jupyter issus de différents MOOCs et formations en ligne. C'est une collection de mon parcours d'apprentissage en Data Science, Machine Learning et Deep Learning.

Formations Suivies

Coursera - Applied Data Science with Python

Spécialisation complète de l'Université du Michigan :

  • Introduction to Data Science in Python : Pandas, NumPy, manipulation de données
  • Applied Plotting & Data Representation : Matplotlib, visualisation
  • Applied Machine Learning : Scikit-learn, algorithmes classiques
  • Applied Text Mining : NLP, traitement du langage
  • Applied Social Network Analysis : NetworkX, analyse de graphes

Coursera - Deep Learning Specialization (deeplearning.ai)

La célèbre spécialisation d'Andrew Ng :

  • Neural Networks and Deep Learning : Fondamentaux des réseaux de neurones
  • Improving Deep Neural Networks : Regularization, optimisation
  • Convolutional Neural Networks : Vision par ordinateur
  • Sequence Models : RNN, LSTM, GRU pour les séquences

Kaggle

Notebooks de compétitions et tutoriels pratiques pour appliquer les connaissances sur des vrais datasets.

Thématiques Couvertes

Machine Learning Classique

  • Régression (linéaire, polynomiale, Ridge, Lasso)
  • Classification (Logistic, SVM, Random Forest)
  • Clustering (K-Means, DBSCAN)
  • Réduction de dimensionnalité (PCA, t-SNE)

Deep Learning

  • Perceptrons multicouches
  • Backpropagation
  • CNN pour images
  • RNN/LSTM pour séquences
  • Transfer Learning

NLP (Natural Language Processing)

  • Tokenization, Stemming, Lemmatization
  • TF-IDF, Word2Vec
  • Analyse de sentiments
  • Classification de textes

Analyse de Réseaux

  • Théorie des graphes
  • Centralité (degree, betweenness, closeness)
  • Détection de communautés

Stack Technique

  • Python 3
  • Pandas, NumPy
  • Matplotlib, Seaborn
  • Scikit-learn
  • TensorFlow, Keras
  • NLTK, spaCy
  • NetworkX

Utilisation

Ces notebooks peuvent servir de référence pour :

  • Rappel de syntaxe et méthodes
  • Exemples de code fonctionnels
  • Inspiration pour vos propres projets
  • Préparation de certifications

Collection personnelle de notebooks issus de MOOCs Coursera, Kaggle et autres formations en Data Science.