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.