Menu
CoddyTech
COMMENCER À APPRENDRE
flag Fr iconFrançaisdown icon
machine Learning iconFait partie du Journey Machine LearningNouveauParcours

Apprentissage 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.

COMMENCER À APPRENDRE(c'est gratuit)
Voir le programmePlayground Apprentissage supervisé

1,000+ codders inscrits

58 leçons58 défis240 questions de quiz

  • Adapté aux débutants
  • sparkles iconAide au codage assistée par IA
  • hint iconLeçons interactives et pratiques
  • quiz iconQuiz pour tester vos connaissances
  • certificate iconCertificat gratuit de réussite

Programme

1 sections58 leçons58 défis240 questions de quiz

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.

  1. Section 1Données et visualisations60 leçons
  2. Section 2Statistiques pour le ML64 leçons
  3. Section 3

    Apprentissage supervisé

    Commencer la sectionDémarrerDévelopperRéduire    Entraînez 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.58 leçons58 défis240 questions

    Votre premier modèle

    5 leçons520

    Plus proches voisins

    5 leçons520

    Régression linéaire

    5 leçons520

    Régression logistique

    5 leçons520

    Évaluer les classificateurs

    6 leçons625

    Arbres de décision

    5 leçons520

    Surapprentissage

    5 leçons520

    Validation croisée

    4 leçons415

    Ensembles

    4 leçons415

    Chaînes de traitement

    5 leçons520

    Projet : espèces de manchots

    5 leçons525

    Défis finaux

    4 leçons420
  4. Section 4Apprentissage non supervisé51 leçons
Voir le programme complet du Journey Machine Learning
Ce que vous obtenez
Tout ce que vous utiliserez pour apprendre à coder

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.

playground.js
Éditeur de Code
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3    return greeting + " " + name
4}
5
bottombar Collapse icon
Test n°1test Case Success icon
Test n°2test Case Success icon
Test n°3test Case Failure icon
Entrée
"Alex"
Sortie
"Hello, Coddy! Alex"

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!

fire Filled icon
left icon

January 2026

right icon

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

product Double Or Nothing icon

Quitte ou Double

Jour 5 sur 7

fire Freeze icon

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.

Python
7Série
250Score
5Énergie
Variables
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Right Done icon
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Left Done icon
journey Hex Active Base iconjourney Hex Active Shadow iconjourney Hex Active Top iconjourney Lesson Theory Challenge icon
CONTINUER
journey Path Right icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson Theory Challenge icon
journey Path Left icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson All icon
Parcours
Objectifs
Classement
Profil
4.9
ÉtoileÉtoileÉtoileÉtoileÉtoile
Note

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!

Ligue Challenger
Ligue ChallengerLes 7 premiers avancent
leaderboard First icon1
avatar 1 icon
fire Filled icon
Alex7+ Days
2840
leaderboard Second icon2
avatar 2 icon
fire Filled icon
Jordan7+ Days
2650
leaderboard Third icon3
avatar 3 icon
fire Filled icon
Sam7+ Days
2420
4
avatar 4 icon
Casey
2180
5
avatar placeholder icon
fire Filled icon
Morgan7+ Days
1950
leaderboard Arrow Up iconZone de promotionleaderboard Arrow Up icon

Apprenez 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.

Intro aux variables
Audio

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.

1xSarah

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.

CoddyCertificat de Réussite
Ceci certifie queJean Duponta complété avec succès
python iconFondamentaux de Python
Vérifié
Datejanv. 2026
LinkedInAjouter à LinkedIn

Pourquoi 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, predict et score. 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 ?

L'apprentissage supervisé a des étiquettes et les prédit : spam ou non, le prix d'un appartement, l'espèce d'une fleur. L'apprentissage non supervisé n'a pas d'étiquettes et cherche une structure dans les données elles-mêmes : des groupes de clients similaires, les quelques directions qui expliquent l'essentiel de la variation, les mesures qui semblent anormales. On apprend généralement le supervisé d'abord ; la section apprentissage non supervisé vient juste après.

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 ?

k plus proches voisins, régression linéaire et Ridge, régression logistique, arbres de décision, forêts aléatoires et gradient boosting, le tout avec scikit-learn. Autour d'eux, tu apprends les outils qui les rendent utilisables : StandardScaler, OneHotEncoder, SimpleImputer, les pipelines, cross_val_score et GridSearchCV.

Que faut-il savoir avant de commencer l'apprentissage supervisé ?

Les bases de Python plus NumPy, pandas et matplotlib, et assez de statistiques pour lire une moyenne, une dispersion et une corrélation. Les deux premières sections de la formation machine learning enseignent exactement cela. Si tu les connais déjà, tu peux commencer ici.

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.

Parcours d'apprentissage qui incluent ce cours

Ce cours est une étape d'un parcours plus long : plusieurs cours dans l'ordre où un mentor les enseignerait, chacun avec son propre certificat gratuit.

Illustration des langages de programmation de Coddy

Apprends Apprentissage supervisé avec Coddy

COMMENCER