François Laurent, Bertrand Néron, Vincent Guillemot, Étienne Kornobis
François Laurent, Bertrand Néron, Vincent Guillemot, Étienne Kornobis
Objectifs
## Objectifs
Savoir importer des données dans un environnement Python
Savoir importer des données dans un environnement Python
...
@@ -16,11 +16,11 @@ Objectifs
...
@@ -16,11 +16,11 @@ Objectifs
Savoir réaliser un rapport d’analyse statistique avec Jupyter
Savoir réaliser un rapport d’analyse statistique avec Jupyter
Objectifs supplémentaires
## Objectifs supplémentaires
Connaître les concepts clefs du Machine Learning : apprentissage, test, biais, classification, validation croisée, scoring. Savoir construire un pipeline de Machine Learning avec scikitlearn.
Connaître les concepts clefs du Machine Learning : apprentissage, test, biais, classification, validation croisée, scoring. Savoir construire un pipeline de Machine Learning avec scikitlearn.
Prérequis
## Prérequis
Maîtriser la manipulation de chemins d’accès aux fichiers
Maîtriser la manipulation de chemins d’accès aux fichiers
...
@@ -33,32 +33,13 @@ Prérequis
...
@@ -33,32 +33,13 @@ Prérequis
Être familier avec les environnements virtuels
Être familier avec les environnements virtuels
# Course Objectives for "Scientific Python"
Course Objectives for "Scientific Python"
Wednesday, September 20, 2023
Wednesday, September 20, 2023
François Laurent, Bertrand Néron, Vincent Guillemot, Étienne Kornobis
François Laurent, Bertrand Néron, Vincent Guillemot, Étienne Kornobis
Objectives:
## Objectives:
Know how to import data into a Python environment.
Know how to import data into a Python environment.
...
@@ -70,11 +51,11 @@ Objectives:
...
@@ -70,11 +51,11 @@ Objectives:
Know how to create a statistical analysis report using Jupyter.
Know how to create a statistical analysis report using Jupyter.
Additional Objectives:
## Additional Objectives:
Understand key concepts of Machine Learning: learning, testing, bias, classification, cross-validation, scoring. Know how to build a Machine Learning pipeline with scikit-learn.
Understand key concepts of Machine Learning: learning, testing, bias, classification, cross-validation, scoring. Know how to build a Machine Learning pipeline with scikit-learn.