ML-For-Beginners/translations/fr

🌐 Support multilingue

Pris en charge via GitHub Action (Automatisé et toujours à jour)

Arabe | Bengali | Bulgare | Birman (Myanmar) | Chinois (Simplifié) | Chinois (Traditionnel, Hong Kong) | Chinois (Traditionnel, Macao) | Chinois (Traditionnel, Taïwan) | Croate | Tchèque | Danois | Néerlandais | Estonien | Finnois | Français | Allemand | Grec | Hébreu | Hindi | Hongrois | Indonésien | Italien | Japonais | Coréen | Lituanien | Malais | Marathi | Népalais | Norvégien | Persan (Farsi) | Polonais | Portugais (Brésil) | Portugais (Portugal) | Punjabi (Gurmukhi) | Roumain | Russe | Serbe (Cyrillique) | Slovaque | Slovène | Espagnol | Swahili | Suédois | Tagalog (Filipino) | Tamoul | Thaï | Turc | Ukrainien | Ourdou | Vietnamien

Rejoignez notre communauté

Nous organisons une série d'apprentissage avec l'IA sur Discord, apprenez-en plus et rejoignez-nous à Learn with AI Series du 18 au 30 septembre 2025. Vous découvrirez des astuces pour utiliser GitHub Copilot en science des données.

Apprentissage automatique pour débutants - Un programme

🌍 Voyagez autour du monde en explorant l'apprentissage automatique à travers les cultures du monde 🌍

Les Cloud Advocates chez Microsoft sont ravis de proposer un programme de 12 semaines et 26 leçons entièrement dédié à l'apprentissage automatique. Dans ce programme, vous apprendrez ce que l'on appelle parfois l'apprentissage automatique classique, en utilisant principalement Scikit-learn comme bibliothèque et en évitant l'apprentissage profond, qui est couvert dans notre programme AI for Beginners. Associez ces leçons à notre programme 'Data Science for Beginners', également !

Voyagez avec nous à travers le monde en appliquant ces techniques classiques à des données provenant de nombreuses régions du globe. Chaque leçon comprend des quiz avant et après la leçon, des instructions écrites pour compléter la leçon, une solution, un devoir, et bien plus encore. Notre pédagogie basée sur les projets vous permet d'apprendre tout en construisant, une méthode éprouvée pour que les nouvelles compétences restent.

✍️ Un grand merci à nos auteurs Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu et Amy Boyd

🎨 Merci également à nos illustrateurs Tomomi Imura, Dasani Madipalli, et Jen Looper

🙏 Remerciements spéciaux 🙏 à nos auteurs, relecteurs et contributeurs de contenu Microsoft Student Ambassador, notamment Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, et Snigdha Agarwal

🤩 Une gratitude supplémentaire envers les Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, et Vidushi Gupta pour nos leçons en R !

Premiers pas

Suivez ces étapes :

1. Forkez le dépôt : Cliquez sur le bouton "Fork" en haut à droite de cette page.
2. Clonez le dépôt : git clone https://github.com/microsoft/ML-For-Beginners.git

retrouvez toutes les ressources supplémentaires pour ce cours dans notre collection Microsoft Learn

🔧 Besoin d'aide ? Consultez notre Guide de dépannage pour des solutions aux problèmes courants liés à l'installation, la configuration et l'exécution des leçons.

Étudiants, pour utiliser ce programme, forkez l'intégralité du dépôt sur votre propre compte GitHub et complétez les exercices seuls ou en groupe :

• Commencez par un quiz avant la leçon.
• Lisez la leçon et complétez les activités, en vous arrêtant et en réfléchissant à chaque vérification des connaissances.
• Essayez de créer les projets en comprenant les leçons plutôt qu'en exécutant le code de solution ; cependant, ce code est disponible dans les dossiers /solution de chaque leçon orientée projet.
• Passez le quiz après la leçon.
• Complétez le défi.
• Complétez le devoir.
• Après avoir terminé un groupe de leçons, visitez le Forum de discussion et "apprenez à voix haute" en remplissant le tableau d'évaluation PAT approprié. Un 'PAT' est un outil d'évaluation des progrès qui est un tableau que vous remplissez pour approfondir votre apprentissage. Vous pouvez également réagir à d'autres PATs pour que nous puissions apprendre ensemble.

Pour approfondir vos connaissances, nous vous recommandons de suivre ces modules et parcours d'apprentissage Microsoft Learn.

Enseignants, nous avons inclus quelques suggestions sur la façon d'utiliser ce programme.

---

Vidéos explicatives

Certaines leçons sont disponibles sous forme de vidéos courtes. Vous pouvez les trouver toutes intégrées dans les leçons, ou sur la playlist ML for Beginners sur la chaîne YouTube Microsoft Developer en cliquant sur l'image ci-dessous.

---

Rencontrez l'équipe

Gif par Mohit Jaisal

🎥 Cliquez sur l'image ci-dessus pour une vidéo sur le projet et les personnes qui l'ont créé !

---

Pédagogie

Nous avons choisi deux principes pédagogiques lors de la création de ce programme : garantir qu'il soit basé sur des projets pratiques et qu'il inclue des quiz fréquents. De plus, ce programme a un thème commun pour lui donner de la cohésion.

En veillant à ce que le contenu soit aligné avec des projets, le processus devient plus engageant pour les étudiants et la rétention des concepts est augmentée. De plus, un quiz à faible enjeu avant un cours fixe l'intention de l'étudiant d'apprendre un sujet, tandis qu'un deuxième quiz après le cours assure une rétention supplémentaire. Ce programme a été conçu pour être flexible et amusant et peut être suivi en totalité ou en partie. Les projets commencent petits et deviennent de plus en plus complexes à la fin du cycle de 12 semaines. Ce programme inclut également un post-scriptum sur les applications réelles de l'apprentissage automatique, qui peut être utilisé comme crédit supplémentaire ou comme base de discussion.

Retrouvez notre Code de conduite, nos Directives de contribution, nos Directives de traduction, et notre Guide de dépannage. Nous accueillons vos retours constructifs !

Chaque leçon inclut

• un sketchnote optionnel
• une vidéo complémentaire optionnelle
• une vidéo explicative (certaines leçons uniquement)
• quiz d'échauffement avant la leçon
• leçon écrite
• pour les leçons basées sur des projets, des guides étape par étape sur la façon de construire le projet
• vérifications des connaissances
• un défi
• lecture complémentaire
• devoir
• quiz après la leçon

Une note sur les langages : Ces leçons sont principalement écrites en Python, mais beaucoup sont également disponibles en R. Pour compléter une leçon en R, allez dans le dossier /solution et recherchez les leçons en R. Elles incluent une extension .rmd qui représente un fichier R Markdown pouvant être défini simplement comme une intégration de blocs de code (en R ou d'autres langages) et un en-tête YAML (qui guide la mise en forme des sorties comme PDF) dans un document Markdown. Ainsi, il sert de cadre exemplaire pour la science des données puisqu'il permet de combiner votre code, ses résultats, et vos réflexions en les écrivant en Markdown. De plus, les documents R Markdown peuvent être rendus dans des formats de sortie tels que PDF, HTML ou Word.

Une note sur les quiz : Tous les quiz sont contenus dans le dossier Quiz App, pour un total de 52 quiz de trois questions chacun. Ils sont liés dans les leçons mais l'application de quiz peut être exécutée localement ; suivez les instructions dans le dossier quiz-app pour l'héberger localement ou le déployer sur Azure.

Numéro de leçon	Sujet	Regroupement de leçons	Objectifs d'apprentissage	Leçon liée	Auteur
01	Introduction au machine learning	Introduction	Apprenez les concepts de base du machine learning	Leçon	Muhammad
02	L'histoire du machine learning	Introduction	Découvrez l'histoire derrière ce domaine	Leçon	Jen et Amy
03	Équité et machine learning	Introduction	Quels sont les enjeux philosophiques importants autour de l'équité que les étudiants doivent considérer en construisant et appliquant des modèles ML ?	Leçon	Tomomi
04	Techniques pour le machine learning	Introduction	Quelles techniques les chercheurs en ML utilisent-ils pour construire des modèles ML ?	Leçon	Chris et Jen
05	Introduction à la régression	Régression	Commencez avec Python et Scikit-learn pour les modèles de régression	Python • R	Jen • Eric Wanjau
06	Prix des citrouilles en Amérique du Nord 🎃	Régression	Visualisez et nettoyez les données en préparation pour le ML	Python • R	Jen • Eric Wanjau
07	Prix des citrouilles en Amérique du Nord 🎃	Régression	Construisez des modèles de régression linéaire et polynomiale	Python • R	Jen et Dmitry • Eric Wanjau
08	Prix des citrouilles en Amérique du Nord 🎃	Régression	Construisez un modèle de régression logistique	Python • R	Jen • Eric Wanjau
09	Une application web 🔌	Application Web	Construisez une application web pour utiliser votre modèle entraîné	Python	Jen
10	Introduction à la classification	Classification	Nettoyez, préparez et visualisez vos données ; introduction à la classification	Python • R	Jen et Cassie • Eric Wanjau
11	Délicieuses cuisines asiatiques et indiennes 🍜	Classification	Introduction aux classificateurs	Python • R	Jen et Cassie • Eric Wanjau
12	Délicieuses cuisines asiatiques et indiennes 🍜	Classification	Plus de classificateurs	Python • R	Jen et Cassie • Eric Wanjau
13	Délicieuses cuisines asiatiques et indiennes 🍜	Classification	Construisez une application web de recommandation en utilisant votre modèle	Python	Jen
14	Introduction au clustering	Clustering	Nettoyez, préparez et visualisez vos données ; introduction au clustering	Python • R	Jen • Eric Wanjau
15	Exploration des goûts musicaux nigérians 🎧	Clustering	Explorez la méthode de clustering K-Means	Python • R	Jen • Eric Wanjau
16	Introduction au traitement du langage naturel ☕️	Traitement du langage naturel	Apprenez les bases du NLP en construisant un bot simple	Python	Stephen
17	Tâches courantes en NLP ☕️	Traitement du langage naturel	Approfondissez vos connaissances en NLP en comprenant les tâches courantes liées aux structures linguistiques	Python	Stephen
18	Traduction et analyse de sentiment ♥️	Traitement du langage naturel	Traduction et analyse de sentiment avec Jane Austen	Python	Stephen
19	Hôtels romantiques en Europe ♥️	Traitement du langage naturel	Analyse de sentiment avec des avis d'hôtels 1	Python	Stephen
20	Hôtels romantiques en Europe ♥️	Traitement du langage naturel	Analyse de sentiment avec des avis d'hôtels 2	Python	Stephen
21	Introduction à la prévision des séries temporelles	Séries temporelles	Introduction à la prévision des séries temporelles	Python	Francesca
22	⚡️ Utilisation mondiale de l'énergie ⚡️ - prévision des séries temporelles avec ARIMA	Séries temporelles	Prévision des séries temporelles avec ARIMA	Python	Francesca
23	⚡️ Utilisation mondiale de l'énergie ⚡️ - prévision des séries temporelles avec SVR	Séries temporelles	Prévision des séries temporelles avec Support Vector Regressor	Python	Anirban
24	Introduction à l'apprentissage par renforcement	Apprentissage par renforcement	Introduction à l'apprentissage par renforcement avec Q-Learning	Python	Dmitry
25	Aidez Peter à éviter le loup ! 🐺	Apprentissage par renforcement	Gym pour l'apprentissage par renforcement	Python	Dmitry
Postscript	Scénarios et applications ML dans le monde réel	ML dans le monde réel	Applications intéressantes et révélatrices du machine learning classique	Leçon	Équipe
Postscript	Débogage de modèles ML avec le tableau de bord RAI	ML dans le monde réel	Débogage de modèles de machine learning en utilisant les composants du tableau de bord Responsible AI	Leçon	Ruth Yakubu

retrouvez toutes les ressources supplémentaires pour ce cours dans notre collection Microsoft Learn

Accès hors ligne

Vous pouvez exécuter cette documentation hors ligne en utilisant Docsify. Forkez ce dépôt, installez Docsify sur votre machine locale, puis dans le dossier racine de ce dépôt, tapez docsify serve. Le site web sera accessible sur le port 3000 de votre localhost : localhost:3000.

PDFs

Trouvez un PDF du programme avec des liens ici.

🎒 Autres cours

Notre équipe produit d'autres cours ! Découvrez :

Azure / Edge / MCP / Agents

---

Série sur l'IA générative

---

Apprentissage fondamental

---

Série Copilot

Obtenir de l'aide

Si vous êtes bloqué ou avez des questions sur la création d'applications IA, rejoignez :

Si vous avez des retours sur les produits ou rencontrez des erreurs lors de la création, visitez :

---

Avertissement :
Ce document a été traduit à l'aide du service de traduction automatique Co-op Translator. Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d'origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de recourir à une traduction humaine professionnelle. Nous ne sommes pas responsables des malentendus ou des interprétations erronées résultant de l'utilisation de cette traduction.