Fait partie du Journey Machine LearningNouveauParcoursApprentissage supervisé en Python
Entraîne des modèles qui apprennent d'exemples étiquetés. Découpe, entraîne, prédis et évalue avec scikit-learn, vois chaque modèle en graphique et finis par un classifieur d'espèces de manchots.
58 leçons58 défis240 questions de quiz
- Adapté aux débutants
Aide au codage assistée par IA
Leçons interactives et pratiques
Quiz pour tester vos connaissances
Certificat gratuit de réussite
Programme
Cette section fait partie du Journey Machine Learning. Le programme complet contient d'autres sections : clique sur n'importe quel aperçu ci-dessous pour le voir sur la page du Journey.
- Section 1Données et visualisations60 leçons
- Section 2Statistiques pour le ML64 leçons
Section 3
Apprentissage supervisé
Commencer la sectionDémarrerEntraînez de véritables modèles avec scikit-learn : séparez les données, ajustez les modèles, effectuez des prédictions et mesurez les performances. k-NN, régression linéaire et logistique, arbres, forêts et boosting, évaluation rigoureuse par validation croisée et pipelines, pour terminer par un projet de bout en bout sur les manchots.Votre premier modèle
5 leçons520Plus proches voisins
5 leçons520Régression linéaire
5 leçons520Régression logistique
5 leçons520Évaluer les classificateurs
6 leçons625Arbres de décision
5 leçons520Surapprentissage
5 leçons520Validation croisée
4 leçons415Ensembles
4 leçons415Chaînes de traitement
5 leçons520Projet : espèces de manchots
5 leçons525Défis finaux
4 leçons420- Section 4Apprentissage non supervisé51 leçons
Apprendre en Faisant
Écrivez du vrai code, interrogez des bases de données, créez des sites web et maîtrisez les prompts IA. Nos leçons interactives couvrent toutes les compétences dont les développeurs modernes ont besoin.
Construisez Votre Série
Restez constant et regardez vos progrès grandir! Suivez votre habitude quotidienne de codage, protégez votre série avec des jours de gel et gagnez des récompenses en vous connectant chaque jour.
12 jours de série
Revenez demain pour maintenir votre série!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
Quitte ou Double
Jour 5 sur 7
Gel de Série
2 left
Codez Partout
Emportez votre parcours de codage avec vous! Pas de configuration, pas de téléchargements : ouvrez et commencez à coder. Disponible sur iOS, Android et Web avec des notes de 4.9 étoiles.
Vous N'êtes Pas Seul
Affrontez les classements mondiaux, invitez des amis pour gagner des récompenses et célébrez les succès des autres. Coder, c'est mieux entre amis!
1
2
3
Zone de promotionApprenez comme vous voulez
Lisez, écoutez, testez-vous, demandez à l'IA ou retrouvez ce que vous avez déjà étudié. Chaque leçon s'adapte à vous.
Une variable est un conteneur nommé qui stocke une valeur réutilisable plus tard dans votre programme.
En Python, on en crée une en écrivant le nom, un signe égal, puis la valeur à stocker.
La valeur peut évoluer : réassigner le nom le fait simplement pointer vers une nouvelle valeur.
Certifiez-vous
Gagnez des certificats pour chaque cours terminé. Ajoutez-les à votre profil LinkedIn et CV pour montrer votre expertise en programmation aux employeurs.
Certificat de RéussiteFondamentaux de Python
Ajouter à LinkedInPourquoi se former à l'apprentissage supervisé avec Coddy
- Toute la démarche scikit-learn en quatre lignes que tu utiliseras dans chaque projet :
train_test_split,fit,predictetscore. Ensuite, chaque nouveau modèle est une ligne de plus, pas une nouvelle façon de travailler. - Vois ce que décide un modèle. Les frontières de décision colorent le plan, les graphiques de résidus montrent ce qu'une droite rate, les courbes ROC montrent ce qu'un seuil sacrifie. Chaque leçon a un graphique, et le tien apparaît dans l'onglet Graphiques à chaque exécution.
- Les modèles qui font l'essentiel du vrai travail : k plus proches voisins, régression linéaire et logistique, arbres de décision, forêts aléatoires et gradient boosting, plus des pipelines qui mettent à l'échelle, encodent et comblent les trous sans fuite du jeu de test.
- Des scores honnêtes. Matrices de confusion, précision et rappel, classes déséquilibrées, surapprentissage, jeux de validation et validation croisée, pour distinguer un modèle qui marche d'un modèle qui a appris ses devoirs par cœur.
Questions fréquentes sur l'apprentissage supervisé
Qu'est-ce que l'apprentissage supervisé ?
L'apprentissage supervisé entraîne un modèle sur des exemples accompagnés de la bonne réponse, appelée étiquette. Chaque ligne a des variables (la longueur du bec d'un manchot, celle de sa nageoire, son île) et une étiquette (son espèce). Le modèle apprend le lien entre les deux, puis prédit l'étiquette de nouvelles lignes. On dit supervisé parce que les étiquettes jouent le rôle du professeur : le modèle est corrigé par elles pendant qu'il apprend.
Quelle est la différence entre apprentissage supervisé et non supervisé ?
Que sont la classification et la régression ?
Ce sont les deux types d'apprentissage supervisé. La classification prédit une catégorie, comme spam ou non spam, ou l'un de trois types de vin. La régression prédit un nombre, comme les locations de vélos de demain ou l'évolution de la maladie d'un patient. Beaucoup de modèles font les deux : il existe un k-NN, un arbre de décision et une forêt aléatoire pour chacune, et le cours utilise les deux versions.
Quels algorithmes d'apprentissage supervisé le cours couvre-t-il ?
StandardScaler, OneHotEncoder, SimpleImputer, les pipelines, cross_val_score et GridSearchCV.Que faut-il savoir avant de commencer l'apprentissage supervisé ?
Comment savoir si mon modèle est bon ?
Tu le testes sur des lignes qu'il n'a jamais vues pendant l'entraînement et tu le compares à une référence simple, comme toujours deviner la classe la plus fréquente. L'exactitude seule peut mentir quand une classe est rare, donc le cours enseigne aussi la matrice de confusion, la précision, le rappel, le F1 et les courbes ROC, ainsi que la validation croisée pour vérifier que le score ne doit rien à la chance.
Combien de temps dure la section apprentissage supervisé ?
58 leçons, environ 10 heures à ton rythme : quelques semaines à raison d'une demi-heure par jour. Chaque leçon, c'est une idée et un exercice, et la section se termine par le projet des manchots et quatre défis finaux.
L'apprentissage supervisé est-il gratuit ici ?
Oui. Les leçons, les graphiques, les indices IA et le certificat de section sont gratuits. Un compte gratuit permet de suivre quelques leçons par jour, et Pro supprime la limite quotidienne.
