Helene R.

Programmation Python - Data Processing (Numpy, Pandas) - Data Viz' (Matplotlib, Seaborn, Bokeh) - Machine learning (Scikit-Learn) : Modèle simple de classification (régression logistique, SVM, KNN, arbre de décision, foret aléatoire) ; Modèle complexe de classification (Bagging, Boosting, Gradient Boosting Tree, par vote, semi-supervisé) - Méthode de régression avec scikit-learn : Régression linéaire simple, linéaire multiple, linéaire régularisée : Ridge - Lasso, Elastic Net - Time Series Analysis : Modèle de base, ARIMA - Reduction de dimension : Feature selection, Analyse en composantes principales(PCA), Manifold Learning - Machine Learning- Clustering : Algorithme des K-Means, Clustering Hiérarchique, Algorithme de Mean Shift - Pipeline avec Scikit-Learn - Text Mining : expression régulières, Pre-processing , Création d'un WordCloud, Analyse de sentiments - Machine Learning et Théorie des graphes avec NetworkX : Intro à la théorie des graphes, Algorithmes fondamentaux : Kruskal et Dijkstra, Détection de communautés - PySpark : Introduction et Data Processing sur des grandes bases de données ; Machine Learning (Régression, pipelines, Model Tuning) - Digit Recognition with Keras - CNN - Convolutional Neural Networks - RNN - Recurrent Neural Network - GANs - Generative Adversarial Networks - Introduction to reinforcement learning - Language R (ggplot, base du machine learning, CARET, data.table, TidyVerse, Text Mining, Tests statistiques, Webscrapping) Certifications obtenues: - Introduction to Python for Data-Science - Data-visualization with Matplotlib (Python) - Machine learning with Scikit-learn (Classification) - Machine learning Regression - Time Series Analysis - Introduction to R for Data-Science

Diplôme Master 2 en sécurité de l’information spécialité réseaux et systèmes informatiques