Formation Formation Machine Learning Supervisé et Non Supervisé

Module 1 : Introduction au Machine Learning

• Différence entre supervisé et non supervisé.
   

• Cycle de vie d’un projet Machine Learning.
   

• Compréhension des datasets et préparation des données.
   

Module 2 : Machine Learning supervisé

• Régression linéaire et multiple.
   

• Régression logistique.
   

• Arbres de décision et forêts aléatoires.
   

• Évaluation des modèles : précision, rappel, F1-score, courbes ROC.
   

• Cas pratique : prédiction de ventes ou comportement client B2B marocain.
   

Module 3 : Machine Learning non supervisé

• Clustering : K-means, DBSCAN, hiérarchique.
   

• Réduction de dimensions : PCA, t-SNE.
   

• Détection d’anomalies pour la finance, logistique ou marketing.
   

• Cas pratique : segmentation client pour entreprises marocaines.
   

Module 4 : Applications pratiques et intégration

• Implémentation avec Python et Scikit-learn.
   

• Analyse de données marocaines réelles (commerce, finance, logistique).
   

• Mini-projet supervisé/non supervisé sur des datasets locaux.