Prérequis MACHINE LEARNING — Python | Numpy | Mathématiques

L’objectif de ce cour est simple : enseigner en moins d’une journée tous les prérequis pour se lancer sans encombres dans le Machine Learning.Au menu, trois piliers : Python, Numpy et Mathématiques.Python spécifiquement pour le ML et le DL • Les 4 fonctions fantastiques de listes indispensables pour gagner du temps.• Le List-Slicing en Python n’aura plus de secrets pour vous (explications + moyens Mnémotechniques + exercices).• Advanced List-Slicing (au menu : Step-Slicing, Reverse Slicing, Negative Step Slicing et Slice Insert + Slice Delete).• Les List-Comprehension en Python  (explications pas à pas pour maîtriser ce concept ultrapratique à vie).• Multi-Level Indexing (mes raccourcis pour se repérer en plusieurs dimensions).• Matrix Multiplication avec les listes (vraiment important qu’on l’explique en code Python simple afin de bien ancrer le concept et le fonctionnement)Numpy (l’engin qui fait tourner Scikit-Learn, Pandas et Matplolib et a inspiré Tensorflow  (de Google) et Pytorch (de Facebook)• Linear Algebra avec Numpy, pourquoi Numpy est plus rapide que Python pur (+ le TP qui vous le prouvera en comparant les performances de vitesse de Numpy et de Python)• Broadcasting & Element Wise Operations & Conseils pour optimiser la performance (comprenez : pourquoi Numpy est indispensable au ML en Python).• 50 nuances de Numpy Advanced Slicing (faites ce que vous voulez de vos matrices et tenseurs pour ne plus jamais devoir aller sur Stack Overflow pour réussir à faire ce que vous voulez).• Les mystères de Tensor numpy.Sum et les arguments Axis & Keepdims enfin expliqués clairement (et le mo