emploi du temps

🧭 Lundi – Fondamentaux de Python et Manipulation de données • 9h00 – 11h00 : Introduction à Python pour la Data Science Présentation du langage, des environnements de travail (Jupyter, VSCode), variables, boucles, fonctions et structures de données. • 11h15 – 13h15 : Bonnes pratiques et algorithmique de base Exercices guidés sur la logique, la complexité et les algorithmes simples appliqués à la manipulation de données. • 14h15 – 16h15 : Atelier pratique – NumPy & Pandas Manipulation de tableaux, nettoyage de données, statistiques descriptives et préparation d’un dataset pour l’analyse. ⸻ 📊 Mardi – Mathématiques et statistiques appliquées à l’IA • 9h00 – 11h00 : Algèbre linéaire pour l’IA Notions de vecteurs, matrices, produits scalaires, transformations linéaires et visualisations. • 11h15 – 13h15 : Probabilités et statistiques Variables aléatoires, distributions, espérance, variance, corrélation et loi normale. • 14h15 – 16h15 : Atelier pratique – Visualisation et exploration de données Utilisation de Matplotlib et Seaborn pour interpréter des datasets concrets. ⸻ 🤖 Mercredi – Apprentissage supervisé et modèles prédictifs • 9h00 – 11h00 : Introduction au Machine Learning Concepts clés : apprentissage supervisé vs non supervisé, ensembles d’entraînement/test, overfitting, métriques d’évaluation. • 11h15 – 13h15 : Modèles de base (régression linéaire, KNN, arbres de décision) Construction et interprétation de modèles simples avec scikit-learn. • 14h15 – 16h15 : Atelier projet – Prédiction sur un dataset réel Application pratique : prédire le prix de maisons, la réussite d’un élève, etc. ⸻ 🧠 Jeudi – Réseaux de neurones et Deep Learning • 9h00 – 11h00 : Fondamentaux des réseaux de neurones Neurones artificiels, propagation avant/arrière, fonctions d’activation et architectures de base. • 11h15 – 13h15 : Découverte de TensorFlow et Keras Création et entraînement d’un petit modèle sur un dataset simple (MNIST, Iris…). • 14h15 – 16h15 : Atelier pratique – Classification d’images Mise en œuvre d’un réseau de neurones pour reconnaître des chiffres manuscrits. ⸻ 🚀 Vendredi – Projet intégrateur et présentation • 9h00 – 11h00 : Lancement du projet final Formation des groupes, choix du sujet et préparation du dataset. • 11h15 – 13h15 : Développement et entraînement des modèles Encadrement technique, aide au débogage et conseils d’optimisation. • 14h15 – 16h15 : Présentations des projets et synthèse de la semaine Chaque groupe présente son travail. Feedback collectif, discussion des résultats et pistes d’amélioration.