Saoussen Chaouch

Cette formation m'a permis d'acquérir des compétences techniques avancées en Machine Learning et en Intelligence Artificielle, couvrant plusieurs aspects clés : Fondamentaux de la Data Science : Manipulation de données avec Python (Pandas, Numpy) Visualisation de données (Matplotlib, Seaborn) Statistiques appliquées et probabilités Machine Learning : Algorithmes supervisés (régression, classification) Algorithmes non supervisés (clustering, réduction de dimensionnalité) Méthodes d'évaluation et validation croisée Deep Learning : Réseaux de neurones profonds avec TensorFlow et Keras Réseaux convolutifs (CNN) et récurrents (RNN) Optimisation des hyperparamètres et tuning de modèles MLOps : Industrialisation des modèles de Machine Learning Déploiement et surveillance de modèles (CI/CD) Conteneurisation avec Docker, orchestration avec Kubernetes Gestion de projets IA : Méthodologies agiles et gestion de projets data Mise en production des modèles ML dans des environnements complexes Cas pratiques : Projets concrets autour de la prédiction, classification, et traitement du langage naturel (NLP) Collaboration en équipe avec Git et gestion des versions Cette formation m'a préparé à des environnements réels en combinant théorie et pratique pour maîtriser les outils et techniques nécessaires en Machine Learning et MLOps.