كتالوج التكوينات 2026–2027

• Comprendre les algorithmes ML fondamentaux
• Implémenter des pipelines ML complets avec scikit-learn
• Maîtriser la validation croisée et l'évaluation de modèles
• Optimiser les hyperparamètres avec GridSearchCV
• Présenter un projet ML complet

Jour 1 : Régression linéaire et polynomiale, métriques
Jour 2 : Classification (SVM, Random Forest, XGBoost)
Jour 3 : Clustering, réduction dimensionnelle
Jour 4 : Feature engineering et sélection de variables
Jour 5 : Projet final et soutenance devant jury

• Appliquer le ML aux problématiques bancaires
• Construire un modèle de scoring de crédit
• Détecter les anomalies et fraudes en temps réel
• Prédire les séries temporelles financières
• Respecter les contraintes réglementaires

Jour 1 : Scoring crédit, déséquilibre de classes, SMOTE
Jour 2 : Détection de fraude, Isolation Forest, Autoencoders
Jour 3 : Séries temporelles, LSTM, Prophet