https://github.com/charlenry/python_math_ml

Les notebooks de ce dépôt sont mes notes de cours sur Python, NumPy et les Mathématiques pour le Machine Learning.
https://github.com/charlenry/python_math_ml

jupyter-notebook matplotlib-pyplot numpy plotly-express plotly-graph-objects python pytorch scipy-stats seaborn sklearn-datasets statistics sympy tensorflow time

Last synced: 15 days ago
JSON representation

Les notebooks de ce dépôt sont mes notes de cours sur Python, NumPy et les Mathématiques pour le Machine Learning.

• Host: GitHub
• URL: https://github.com/charlenry/python_math_ml
• Owner: charlenry
• Created: 2024-10-13T13:29:20.000Z (3 months ago)
• Default Branch: main
• Last Pushed: 2024-11-25T18:14:34.000Z (about 1 month ago)
• Last Synced: 2024-11-25T19:25:05.292Z (about 1 month ago)
• Topics: jupyter-notebook, matplotlib-pyplot, numpy, plotly-express, plotly-graph-objects, python, pytorch, scipy-stats, seaborn, sklearn-datasets, statistics, sympy, tensorflow, time
• Language: Jupyter Notebook
• Homepage:
• Size: 669 KB
• 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

Si vous êtes recruteur et que vous êtes intéressé par mon profil, vous pouvez m'appeler au 0652@74@87@30. 


[Mon LinkedIn](https://www.linkedin.com/in/charles-henri-saint-mars)