https://github.com/charlenry/maths_pour_machine_learning
Les mathématiques pour le Machine Learning
https://github.com/charlenry/maths_pour_machine_learning
derivatives jupyter-notebooks linear-algebra matplotlib-pyplot numpy plotly-express plotly-graph-objects probabilities python pytorch scipy seaborn sklearn-datasets statistics sympy tensorflow time usual-functions
Last synced: 2 months ago
JSON representation
Les mathématiques pour le Machine Learning
- Host: GitHub
- URL: https://github.com/charlenry/maths_pour_machine_learning
- Owner: charlenry
- Created: 2024-11-27T21:22:31.000Z (5 months ago)
- Default Branch: main
- Last Pushed: 2025-01-14T20:03:45.000Z (4 months ago)
- Last Synced: 2025-01-14T21:19:37.279Z (4 months ago)
- Topics: derivatives, jupyter-notebooks, linear-algebra, matplotlib-pyplot, numpy, plotly-express, plotly-graph-objects, probabilities, python, pytorch, scipy, seaborn, sklearn-datasets, statistics, sympy, tensorflow, time, usual-functions
- Homepage:
- Size: 1000 Bytes
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Mes Notebooks sur Python, NumpPy et les Mathématiques pour le Machine Learning
## Introduction
Je m'appelle **Charles-Henri SAINT-MARS** et je suis actuellement en **recherche** d'une **entreprise d'accueil** afin d'effectuer une formation d'**Ingénieur en Machine Learning** en alternance et bien entendu de faire profiter de mes connaissances et compétences à cette entreprise d'accueil. Entre-temps, je suis des MOOCs afin de progresser dans ce domaine et d'être mieux préparé pour les missions qui me seront confiées. Les notebooks de ce dépôt sont mes notes de cours sur Python, NumPy et les Mathématiques pour le Machine Learning.
## Les sujet abordés
Les sujets abordés sont les suivants:
- Un niveau de maîtrise avancé des listes en Python (Slicing / List-Comprehension / Multi-Level Indexing)
- Algèbre Linéaire en Python (Vecteurs / Matrices / Tenseurs / Tensorflow / Pytorch)
- Les fonctions indispensables de NumPy pour le Machine Learning
- Utilisation de Sklearn datasets
- Les fonctions mathématiques usuelles et les dérivées de fonctions à une variable pour le Machine Learning
- Utilisation de SymPy pour calculer les dérivées partielles de fonctions à deux variables, le gradient, le lapacien, la divergence et le rotationnel de fonctions à deux ou trois variables
- Les statistiques
- Les probabilités
- Les outils graphiques (Matplotlib / Seaborn / Plotly / PyPlot)
## Conclusion
Ces travaux m'ont permis de consolider mes connaissances en Python, NumPy et les Mathématiques et Statistiques pour le Machine Learning.
## Contact
[LinkedIn de Charles-Henri SAINT-MARS](https://www.linkedin.com/in/charles-henri-saint-mars)