Prérequis MACHINE LEARNING - Python Numpy Mathématiques

L'objectif de ce cour est simple: enseigner en moins d'une journée tous les prérequis pour se lancer sans encombres dans le Machine Learning. Au menu, trois piliers: Python, Numpy et Mathématiques. Python spécifiquement pour le ML et le DL • Les 4 fonctions fantastiques de listes indispensables pour gagner du temps.

• Le List-Slicing en Python n'aura plus de secrets pour vous (explications + moyens Mnémotechniques + exercices). • Advanced List-Slicing (au menu: Step-Slicing, Reverse Slicing, Negative Step Slicing et Slice Insert + Slice Delete). • Les List-Comprehension en Python (explications pas à pas pour maîtriser ce concept ultrapratique à vie).

• Multi-Level Indexing (mes raccourcis pour se repérer en plusieurs dimensions). • Matrix Multiplication avec les listes (vraiment important qu'on l'explique en code Python simple afin de bien ancrer le concept et le fonctionnement)Numpy (l'engin qui fait tourner Scikit-Learn, Pandas et Matplolib et a inspiré Tensorflow (de Google) et Pytorch (de Facebook)• Linear Algebra avec Numpy, pourquoi Numpy est plus rapide que Python pur (+ le TP qui vous le prouvera en comparant les performances de vitesse de Numpy et de Python)• Broadcasting & Element Wise Operations & Conseils pour optimiser la performance (comprenez: pourquoi Numpy est indispensable au ML en Python). • 50 nuances de Numpy Advanced Slicing (faites ce que vous voulez de vos matrices et tenseurs pour ne plus jamais devoir aller sur Stack Overflow pour réussir à faire ce que vous voulez).

• Les mystères de Tensor numpy. Sum et les arguments Axis & Keepdims enfin expliqués clairement (et le moyen mnémotechnique pour ne jamais oublier quel est l'axe 0 et l'axe 1). • Numpy Reshape Ninja (domptez la méthode reshape et le fameux -1 qui bloquent tant de débutant·es).