Skip to content

Pour continuer votre formation

Data Science

Programmation en python

Pour trouver des ressources pertinentes en fonction de votre expérience en python, référez vous au Chapitre 2 du cours Data Science

Programmation orientée objet en python

Si vous souhaitez approfondir vos connaissances sur la programmation orienté objet en python, vous pouvez suivre ces cours d'Open Classrooms, en fonction de votre besoin:

Mini cours

Récemment la plateforme kaggle à mise en place des mini cours accompagnés d'exercices corrigés par chapitres qui sont rapides à faire. Ces cours vous permettront de découvrir certaines notions fondamentales, que vous aurez l'occasion de creuser par la suite.

Je vous conseille, en fonction de votre niveau de connaissance, et par ordre de priorité de suivre les mini cours suivants:

Eléments de cours par thématique

Algorithmie

Vous pourrez découvrir des bases pratiques de l'algorthmie avec ce cours d'Open Classroom. Je vous conseille de cibler en particulier les chapitres concernant les structure de données files, listes et arbres

Cours francophones complets

Les cours suivants sont des cours très complet qui sont dispensés dans des masters spécialisés dans la data science. Vous n'aurez probablement pas le temps de les explorer complètement, je vous conseille de vous y référer uniquement quand vous avez besoin d'approfondir un sujet précis ou pour rechercher des exercices supplémentaires

Mathématiques pour la data science et le machine learning

Livres

  • Afin d'approfondir en continu votre apprentissage des mathématiques de bases pour la data science et le machine learning, n'hésitez pas à fouiller parmi les chapîtres du livre mathematics for machine learning lorsque vous aurez besoin d'approfondir certaines notions fondamentales ou d'en découvrir d'autres.
  • An introduction to statistical learning est un ouvrage de référence, quasiement la bible de la data science et du machine learning !
    Je vous conseille de le consulter lorsque vous aurez déja un niveau de base en data science et machine learning et que vous aurez besoin de vous plonger dans les mathématiques détaillées d'un concept particulier

Cours & vidéos

Je vous invite à continuer à vous former tout au long du cours, au fur et a mesure que vous aurez besoin d'approfondir certaines notions.

  • Vous trouverez sur cet article de blog de toward data science une liste très complète de ressources pour acquérir les fondamentaux de maths pour la data science
  • Pour explorer certains sujets précis, vous pouvez lire cette serie d'articles thématiques par Hadrien Jean (tiré de son livre)
  • Enfin, si vous débutez et souhaiter apprendre les mathématiques depuis un niveau collège, je vous conseille les cours de la plateforme khan academy (vous trouverez beaucoup de contenus en français)

Algèbre linéaire

L'algèbre linéaire est un domaine des mathématiques dont vous aurez particulièrement besoin durant ce cours pour comprendre les notions de vecteurs, matrices, tenseurs et leurs opérations associées.

Analyse fonctionnelle et calul

Je vous conseille de regarder l'intégralité de la série de vidéos Essence of calculus, de l'excellente chaîne de vulgarisation mathématique 3Blue1Brown

Statistiques

Le site statorials propose de nombreux tutos appliqués en python pour les statistiques descriptives et inférentielles

Machine Learning

Introduction au Machine Learning

  • Je vous recommande de lire la page tutoriel de scikit-learn qui vous introduit quelques bases du machine learning accompagnées d'exemples qui vous permettront d'apprendre à programmer avec ce framework indispensable.

  • La page des ressources éducatives du framework tensorflow propose plein de livres et de cours (dont la plupart sont gratuits) que vous pouvez explorer pour développer vos connaissances théoriques et techniques sur le machine learning et le deep learning.

Cours complets

Anglophones

  • La plateforme Kaggle propose maintenant des cours accompagnés d'exercices concernant le machine learning, Intro to Machine Learning et Intermediate Machine Learning que je vous conseille de faire si possible en intégralité.

Francophones

Par thématique

Deep Learning

Ressources généralistes

La page des ressources éducatives du framework tensorflow propose un contenu très riche contenant livres, cours en ligne, concepts mathématiques, ressources tensorflow, ... Je vous conseille vivement de vous y référez pour développer vos connaissances théoriques et techniques (pour le machine learning et le deep learning) et vous aider pour la réalisation des projets.

Bien que les cours francophones proposés soient de bonne qualité, je vous conseille de suivre les cours en anglais, car ils sont généralement plus nombreux et plus complets.

Livres

Deep learning, par Ian Goodfellow, Yoshua Bengio and Aaron Courville, est un livre de référence pour un apprentissage complet des bases théoriques du deep learning

Eléments de cours en ligne

Anglophones

Gratuits

  • Les vidéos de découverte des reseaux de neurones de Hugo Larochelle vous permettent de découvrir en 92 courtes présentations (excédant rarement les 15 minutes) des points clés pour compléter votre compréhension de certains sujets

  • Le cours offrant le meilleur compromis exhaustivité/temps que je vous conseille de regarder en priorité et en intégralité (il dure moins d'une heure), est ce cours récent d'introduction au Deep Learning par le MIT

  • Ce cours Standford est un des meilleur et des plus complet sur le sujet. Vous pouvez retrouverez les vidéos des cours magistraux ici
  • Le cours fast.ai est un très bon cours, destiné aux programmeurs pour apprendre l'essentiel de la technique et de la théorie rapidement. Concentrez vous en particulier sur la leçon 1.
  • Ce cours de Michael Nielsen extrait de son livre, est très illustré et vous permettra de peaufiner certains points particuliers

Payants

  • Ce cours de Andrew Ng, un des pionniers du deep learning est disponible sur la plateforme Coursera

Francophones

Gratuits

Payants

  • La plateforme Udemy à ouvert un cours sur le deep learning, c'est probablement le plus complet en français à l'heure actuelle.

Etat de l'art

Je vous conseille l'excellent site papers with code qui référence une bonne partie de l'état de l'art, par tâches, en proposant des articles récents et leur code correspondants.

Lectures par thématiques

Mathématiques pour le deep learning

Algèbre linéaire

L'algébre linéaire est un domaine des mathématiques dont vous aurez particulièrement besoin durant ce cours pour comprendre les notions de vecteurs, matrices, tenseurs et leurs opérations associées.

  • Cette série de cours vidéos de la chaine 3Blue1Brown vous aidera à apprendre les bases de l'algèbre linéaire, en particulier les notions de vecteurs, d'espaces vectoriels et de matrices. Je vous conseille de vous concentrer sur les videos 1,2,3,4,9,10 et 11

Tutoriels & Exercices

Deep Learning

  • La section tutoriel de Tensorflow est complète et détaillée. Commencez par la section pour les débutants. Vous pourrez exécuter le code proposé dans Colab, le notebook proposé par Google

  • La section tutorial de PyTorch contient des exercices et des applications classique du deep learning. Je vous recommande en particulier le tutoriel deep learning 60min blitz pour apprendre à manipuler le framework