Ce cours pratique permet aux apprenants d'acquérir les connaissances fondamentales et les compétences pratiques nécessaires pour construire et évaluer des modèles d'apprentissage automatique supervisé à l'aide de Python. Conçu autour du jeu de données réel Titanic, le cours guide les apprenants à travers le pipeline complet de l'apprentissage automatique - de la configuration du projet et de la compréhension du cycle de vie à la préparation du déploiement du modèle. Dans le Module 1, les apprenants définiront la structure du projet d'apprentissage automatique, identifieront les bibliothèques Python essentielles telles que NumPy et pandas, et comprendront les fondements conceptuels des algorithmes, y compris les arbres de décision et la régression logistique. Dans le Module 2, les apprenants appliqueront des techniques d'analyse exploratoire des données, nettoieront et prépareront les données, et construiront des caractéristiques d'ingénierie. Ils évalueront également leurs modèles en utilisant des métriques telles que les matrices de confusion et la validation croisée pour améliorer la fiabilité et la généralisation des modèles. À la fin de ce cours, les apprenants seront en mesure de mettre en œuvre de manière indépendante des modèles d'apprentissage supervisé sur des ensembles de données réels et d'interpréter les résultats avec confiance.