← Certifications

🤖

Kaggle⏱ 4 semainesDifficulté : ★★★☆☆

Kaggle Intro to Machine Learning

Préparation complète — plan semaine par semaine, quiz style examen réel, fiches et conseils de réussite

S'inscrire à l'examen →

S1

Concepts fondamentaux ML

⏱ ~7h cette semaine

Objectifs

✓Comprendre surapprentissage vs sous-apprentissage (bias-variance)
✓Maîtriser train/validation/test split — pourquoi et comment
✓Arbres de décision : critère de split, profondeur, pureté
✓Random Forest : bagging, feature importance

Ressources

🔗 Kaggle Intro to ML 🔗 Google ML Crash Course

Exercice de la semaine

Notebook Titanic : préparer les features et entraîner un premier modèle

S2

Sklearn en profondeur

⏱ ~8h cette semaine

Objectifs

✓Pipeline sklearn : Imputer → Encoder → Scaler → Model
✓Encodage catégoriel : OneHotEncoder, OrdinalEncoder
✓Métriques : accuracy, precision, recall, F1, ROC-AUC
✓Cross-validation k-fold et StratifiedKFold

Ressources

🔗 Sklearn documentation 🔗 Kaggle Intermediate ML

Exercice de la semaine

Ajouter un Pipeline complet au notebook Titanic avec CV 5-fold

S3

Feature Engineering & XGBoost

⏱ ~8h cette semaine

Objectifs

✓Feature engineering : création de nouvelles variables pertinentes
✓Gestion des valeurs manquantes : stratégies avancées
✓XGBoost : hyperparamètres (n_estimators, max_depth, learning_rate)
✓GridSearchCV et RandomizedSearchCV

Ressources

🔗 Kaggle Feature Engineering 🔗 XGBoost docs

Exercice de la semaine

Compétition Kaggle Housing Prices : top 20% du classement

S4

Révision + examen blanc

⏱ ~6h cette semaine

Objectifs

✓Réviser tous les exercices Kaggle du cours
✓Faire un notebook complet de A à Z sans aide
✓Revoir les 10 erreurs les plus communes
✓Passer la certification quand prêt

Ressources

🔗 Kaggle Learn tous les cours

Exercice de la semaine

Notebook autonome sur un dataset inédit : EDA → features → modèle → évaluation