Descriptif
# Syllabus
L'apprentissage automatique moderne s'appuie fortement sur la programmation, et Python est l'un des langages de choix pour l'apprentissage automatique et la science des données.
L'objectif de ce cours est de :
- rendre les étudiants prêts à utiliser Python pour les autres cours : maîtriser des packages tels que numpy, pandas, matplotlib, scikit-learn, etc.
- apprendre à utiliser les outils de programmation collaborative : Git, Github
- relever un défi d'apprentissage automatique (Kaggle) pour valider le projet.
La classe est enseignée en utilisant le *live coding* : les étudiants reçoivent des tâches à effectuer en ~ 5 minutes, puis les enseignants le corrigent en direct devant eux
Les après-midi sont consacrés aux TP.
## Evaluation
- **TP**. 3 TPs avec Jupyter en groupes de 2. 1 TP sur Git/Github
- **Projet**. Compétition Kaggle en groupes de 2 : classement dans la compétition + rapport de 4 pages et présentation de 10 minutes en décembre.
Diplôme(s) concerné(s)
- MScT-Double Degree Data and Finance (DDDF)
- Titre d’Ingénieur diplômé de l’École polytechnique
- MScT-Data Science for Business
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade réduitPour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme MScT-Data Science for Business
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme MScT-Double Degree Data and Finance (DDDF)
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.