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: 18 days 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 (2 months ago)
• Default Branch: main
• Last Pushed: 2025-01-14T20:03:45.000Z (19 days ago)
• Last Synced: 2025-01-14T21:19:37.279Z (18 days 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. __Mes notebooks__ sur Python, NumPy et les Mathématiques pour le Machine Learning __sont présentables sur demande.__

## 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)