Acquérez des compétences pratiques en apprentissage automatique avec Python en créant un modèle de prédiction du diabète à partir de l’ensemble de données « Pima Indians Diabetes ». Vous commencerez par installer et configurer Anaconda ainsi que les bibliothèques Python indispensables, puis vous travaillerez dans Jupyter Notebook pour explorer le workflow d’apprentissage automatique dédié à l’analyse des données de santé.

Grâce à des exercices pratiques étape par étape, vous préparerez et transformerez des données de santé en supprimant les en-têtes, en encodant les valeurs de type chaîne de caractères et en divisant les données en ensembles d’apprentissage et de test. Vous mettrez ensuite en œuvre une régression logistique pour la classification binaire et utiliserez des courbes ROC pour évaluer les performances du modèle et interpréter la précision diagnostique. Conçu pour les apprenants souhaitant acquérir une expérience pratique en apprentissage automatique, en Python et en analyse des données de santé, ce cours associe les concepts fondamentaux de la modélisation prédictive à des exercices de codage concrets. Son étude de cas médicale ciblée vous guide de la configuration de l’environnement et de la préparation des données jusqu’à la mise en œuvre et la validation du modèle au sein d’un flux de travail pratique unique. À l’issue de cette formation, vous serez capable de traiter des ensembles de données de santé, de construire et de tester un modèle de prédiction du diabète, et de transformer les données en prédictions exploitables. Inscrivez-vous pour acquérir une compréhension complète de l’apprentissage automatique appliqué à la prédiction du diabète grâce à un Projet guidé et réaliste.