En savoir plus

Module 2 — Preprocessing et Feature Engineering

Programme du module

• 🔹 Nettoyage de donnees : valeurs manquantes, doublons, outliers
• 🔹 Encodage de variables categorielles et normalisation
• 🔹 Feature engineering : creation et selection de variables pertinentes
• 🔹 Pipelines de preprocessing avec scikit-learn
• 🔹 Techniques de reduction de dimensionnalite (PCA)

Objectifs d'apprentissage

• ✓ Implementer des algorithmes de classification, regression et clustering
• ✓ Evaluer et optimiser les performances des modeles

Methodologie

Formation technique avec 75% de programmation pratique et 25% de theorie. Les participants codent en Python sur des notebooks Jupyter tout au long de la formation. Chaque algorithme est implemente, evalue et compare sur des jeux de donnees reels. Un projet fil rouge permet de construire un pipeline ML complet.