ML-For-Beginners/translations/fr

🌐 Support Multilingue

Pris en charge via GitHub Action (Automatisé & Toujours à jour)

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

Préférez Cloner Localement ?

Ce dépôt inclut plus de 50 traductions linguistiques ce qui augmente significativement la taille du téléchargement. Pour cloner sans les traductions, utilisez le checkout sparse :

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Cela vous donne tout ce dont vous avez besoin pour compléter le cours avec un téléchargement beaucoup plus rapide.

Rejoignez Notre Communauté

Nous organisons une série Learn with AI sur Discord, apprenez-en plus et rejoignez-nous à Learn with AI Series du 18 au 30 septembre 2025. Vous recevrez des astuces et conseils pour utiliser GitHub Copilot pour la Science des Données.

Apprentissage Automatique pour Débutants - Un Programme

🌍 Parcourez le monde en explorant l'Apprentissage Automatique à travers les cultures mondiales 🌍

Les Cloud Advocates chez Microsoft sont heureux de proposer un programme de 12 semaines, 26 leçons, entièrement consacré 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 abordé dans notre programme AI for Beginners. Associez ces leçons à notre 'Data Science for Beginners' curriculum, aussi !

Voyagez avec nous autour du monde en appliquant ces techniques classiques sur des données de nombreuses régions. Chaque leçon inclut des quiz avant et après, des instructions écrites pour compléter la leçon, une solution, un devoir, et plus encore. Notre pédagogie basée sur des projets vous permet d'apprendre en construisant, une méthode éprouvée pour que les nouvelles compétences « collent ».

✍️ Remerciements chaleureux 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 particuliers 🙏 à nos auteurs, réviseurs et contributeurs du Microsoft Student Ambassador, notamment Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, et Snigdha Agarwal

🤩 Remerciements spéciaux aux Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, et Vidushi Gupta pour nos leçons R !

Démarrage

Suivez ces étapes :

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

trouvez 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 d’installation, de configuration et d’exécution des leçons.

Étudiants, pour utiliser ce programme, forkez le dépôt entier sur votre propre compte GitHub et réalisez les exercices seul ou en groupe :

• Commencez par un quiz pré-conférence.
• Lisez la leçon et complétez les activités, en faisant des pauses pour réfléchir à chaque contrôle de connaissance.
• Essayez de créer les projets en comprenant les leçons plutôt qu’en exécutant directement le code solution ; ce code est cependant disponible dans les dossiers /solution de chaque leçon orientée projet.
• Passez le quiz post-conférence.
• Réalisez le défi.
• Réalisez le devoir.
• Après avoir terminé un groupe de leçons, visitez le Forum de discussion et « apprenez à voix haute » en remplissant la grille PAT appropriée. Un 'PAT' est un Outil d’Évaluation de Progrès que vous remplissez pour approfondir votre apprentissage. Vous pouvez également réagir aux autres PAT pour apprendre ensemble.

Pour aller plus loin, nous recommandons de suivre ces modules et parcours d’apprentissage Microsoft Learn.

Enseignants, nous avons inclus quelques suggestions sur l’utilisation de ce programme.

---

Vidéos explicatives

Certaines leçons sont disponibles sous forme de vidéos courtes. Vous pouvez toutes les trouver en ligne dans les leçons ou sur la playlist ML for Beginners sur la chaîne Microsoft Developer YouTube 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 pour ce programme : garantir qu’il soit pratique basé sur des projets et qu’il inclue des quiz fréquents. De plus, ce programme a un thème commun pour lui donner cohérence.

En assurant que le contenu s’aligne avec des projets, le processus devient plus engageant pour les étudiants et la rétention des concepts est augmentée. De plus, un quiz à enjeu faible avant le cours fixe l’intention d’apprentissage de l’étudiant, tandis qu’un second quiz après le cours assure une meilleure rétention. Ce programme est conçu pour être flexible et ludique, pouvant 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 des applications réelles du ML, utilisable comme crédit supplémentaire ou comme base de discussion.

Retrouvez notre Code de conduite, Contribuer, Traduction et Dépannage. Vos retours constructifs sont les bienvenus !

Chaque leçon inclut

• esquisse (sketchnote) optionnelle
• vidéo complémentaire optionnelle
• vidéo explicative (certaines leçons seulement)
• quiz d’échauffement pré-conférence
• leçon écrite
• pour les leçons basées sur projet, guides étape par étape pour construire le projet
• contrôles de connaissance
• un défi
• lecture complémentaire
• devoir
• quiz post-conférence

Note sur les langues : Ces leçons sont principalement écrites en Python, mais beaucoup sont aussi disponibles en R. Pour compléter une leçon en R, allez dans le dossier /solution et cherchez les leçons R. Elles incluent une extension .rmd qui représente un fichier R Markdown, simplement défini comme un mélange de blocs de code (en R ou autres langages) et un en-tête YAML (guidant le format de sortie comme PDF) dans un document Markdown. En tant que tel, c’est un cadre d’auteurs exemplaire pour la science des données puisqu’il vous permet de combiner votre code, ses résultats, et vos pensées en les écrivant en Markdown. De plus, les documents R Markdown peuvent être rendus dans des formats de sortie comme PDF, HTML ou Word. Une note à propos des quiz : Tous les quiz sont contenus dans le dossier Quiz App folder, pour un total de 52 quiz de trois questions chacun. Ils sont liés depuis les leçons mais l’application quiz peut être exécutée localement ; suivez les instructions dans le dossier quiz-app pour héberger localement ou déployer sur Azure.

Numéro de la leçon	Sujet	Regroupement de la leçon	Objectifs d’apprentissage	Leçon liée	Auteur
01	Introduction à l’apprentissage automatique	Introduction	Apprenez les concepts de base derrière l’apprentissage automatique	Leçon	Muhammad
02	L’histoire de l’apprentissage automatique	Introduction	Apprenez l’histoire sous-jacente de ce domaine	Leçon	Jen et Amy
03	Équité et apprentissage automatique	Introduction	Quelles sont les importantes questions philosophiques autour de l’équité que les étudiants doivent considérer lors de la construction et de l’application de modèles ML ?	Leçon	Tomomi
04	Techniques pour l’apprentissage automatique	Introduction	Quelles techniques les chercheurs ML utilisent-ils pour construire des modèles ML ?	Leçon	Chris et Jen
05	Introduction à la régression	Regression	Démarrer avec Python et Scikit-learn pour les modèles de régression	Python • R	Jen • Eric Wanjau
06	Prix des citrouilles en Amérique du Nord 🎃	Regression	Visualiser et nettoyer les données en préparation pour l’apprentissage automatique	Python • R	Jen • Eric Wanjau
07	Prix des citrouilles en Amérique du Nord 🎃	Regression	Construire des modèles de régression linéaire et polynomiale	Python • R	Jen et Dmitry • Eric Wanjau
08	Prix des citrouilles en Amérique du Nord 🎃	Regression	Construire un modèle de régression logistique	Python • R	Jen • Eric Wanjau
09	Une application web 🔌	Web App	Construire une application web pour utiliser votre modèle entraîné	Python	Jen
10	Introduction à la classification	Classification	Nettoyer, préparer et visualiser vos données ; introduction à la classification	Python • R	Jen et Cassie • Eric Wanjau
11	Plats délicieux asiatiques et indiens 🍜	Classification	Introduction aux classificateurs	Python • R	Jen et Cassie • Eric Wanjau
12	Plats délicieux asiatiques et indiens 🍜	Classification	Plus de classificateurs	Python • R	Jen et Cassie • Eric Wanjau
13	Plats délicieux asiatiques et indiens 🍜	Classification	Construire une application web de recommandation utilisant votre modèle	Python	Jen
14	Introduction au clustering	Clustering	Nettoyer, préparer et visualiser vos données ; introduction au clustering	Python • R	Jen • Eric Wanjau
15	Explorer les goûts musicaux nigérians 🎧	Clustering	Explorer la méthode de clustering K-Means	Python • R	Jen • Eric Wanjau
16	Introduction au traitement du langage naturel ☕️	Natural language processing	Apprenez les bases du NLP en construisant un simple bot	Python	Stephen
17	Tâches courantes en NLP ☕️	Natural language processing	Approfondissez vos connaissances NLP en comprenant les tâches courantes requises pour traiter les structures linguistiques	Python	Stephen
18	Traduction et analyse de sentiment ♥️	Natural language processing	Traduction et analyse de sentiment avec Jane Austen	Python	Stephen
19	Hôtels romantiques en Europe ♥️	Natural language processing	Analyse de sentiment avec des avis d’hôtel 1	Python	Stephen
20	Hôtels romantiques en Europe ♥️	Natural language processing	Analyse de sentiment avec des avis d’hôtel 2	Python	Stephen
21	Introduction à la prévision de séries temporelles	Time series	Introduction à la prévision de séries temporelles	Python	Francesca
22	⚡️ Utilisation mondiale de l’énergie ⚡️ - prévision de séries temporelles avec ARIMA	Time series	Prévision de séries temporelles avec ARIMA	Python	Francesca
23	⚡️ Utilisation mondiale de l’énergie ⚡️ - prévision de séries temporelles avec SVR	Time series	Prévision de séries temporelles avec Support Vector Regressor	Python	Anirban
24	Introduction à l’apprentissage par renforcement	Reinforcement learning	Introduction à l’apprentissage par renforcement avec Q-Learning	Python	Dmitry
25	Aider Peter à éviter le loup ! 🐺	Reinforcement learning	Environnement Gym pour apprentissage par renforcement	Python	Dmitry
Postface	Scénarios et applications ML en conditions réelles	ML in the Wild	Applications intéressantes et révélatrices du ML classique en conditions réelles	Leçon	Équipe
Postface	Débogage de modèle en ML avec le tableau de bord RAI	ML in the Wild	Débogage de modèle en apprentissage automatique avec les composants du tableau de bord Responsible AI	Leçon	Ruth Yakubu

trouvez 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 sera servi sur le port 3000 de votre localhost : localhost:3000.

PDFs

Trouvez un PDF du programme avec les liens ici.

🎒 Autres cours

Notre équipe produit d’autres cours ! Découvrez :

LangChain

Azure / Edge / MCP / Agents

---

Série sur l’intelligence artificielle générative

---

Apprentissage fondamental

---

Série Copilot

Obtenir de l'aide

Si vous êtes bloqué ou avez des questions sur la création d'applications IA, rejoignez d'autres apprenants et développeurs expérimentés pour des discussions sur MCP. C'est une communauté bienveillante où les questions sont les bienvenues et où la connaissance est partagée librement.

Si vous avez des retours sur le produit ou des erreurs pendant le développement, 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 automatiques peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d’origine doit être considéré comme la source faisant foi. Pour les informations critiques, il est recommandé de faire appel à une traduction professionnelle réalisée par un humain. Nous déclinons toute responsabilité en cas de malentendus ou d’interprétations erronées résultant de l’utilisation de cette traduction.