facebook
favorite button
super instructor icon
Professeur fiable
Ce professeur a un délai et un taux de réponse très élevé, démontrant un service de qualité et sa fidélité envers ses élèves.
member since icon
Depuis décembre 2020
Professeur depuis décembre 2020
Cours particuliers en informatiques (Suite office(Word, Excel, PPT), Base de données(SQL), Programmation(C, Matlab, Python), Web (HTML)).
course price icon
Àpd 25 € /h
arrow icon
J'offre des cours particuliers en informatiques (Suite office(Word, Excel, PPT), Base de données(SQL), Programmation(C, Matlab, Python), Web (HTML)) pour les niveaux secondaires, CEGEP, année préparatoire ainsi que pour les cours du niveau de l'université.

Ingénieure diplômée de l’école polytechnique de Montréal. J’ai de l’expérience en tutorat. J’ai de la passion pour l’éducation des sciences. J’ai des stratégies et méthodes simples et efficaces que j'aimerai partager pour faciliter la matière le maximum possible.. J'assiste mon étudiant lors d'une première rencontre de 15 à 30min environ (par courriel ou par téléphone, à la préférence de l'étudiant) afin de comprendre ses difficultés, puis en fonction de ça je lui propose un plan d'étude pour le diriger dans sa révision en lui donnant des conseils et un rendez vous qu'on fixe ensemble pour notre prochaine séance de révision. Cette méthode a donné ses fruits depuis plusieurs années car elle permet de rendre la séance de révision le jour -j très efficace.

Lors de la séance de révision, j'essaie toujours de mettre mon étudiant à l'aise. j'utilise des approches différentes que celles utilisées en classe afin de rendre la matière simple et facile.
Informations supplémentaires
Le participant doit me fournir la documentation en avance afin que je puisse préparer et planifier la séance de révision. Cela permettrait de gagner du temps et rendre la séance le plus efficace possible.
Lieu
location type icon
En ligne depuis le Canada
Présentation
Passionnée par la science et l’éducation en général.
Professionnelle, travaillante, dynamique, stratégique, organisée, patiente et ponctuelle.

J’ai eu l’habitude d’aider mes frères ainsi que mes amis pour les devoirs ou les révisions. Il paraît que j’explique clairement les notions, que je suis bien organisée et que j’ai une méthode de travail efficace.

J’ai eu toujours de bons résultats scolaires et si je peux transmettre et partager mes connaissances pour aider dans ta réussite alors j’en serais très heureuse.
Education
Baccalauréat en génie civil de l’École polytechnique de Montréal.
Diplôme en Mineurs arts et sciences de l'Université de Montréal.
Expérience dans le tutorat des matières scientifiques.
Expérience / Qualifications
Ingénieur en conception des bâtiments, ponts et ouvrage d’arts.
Donne des cours aux particuliers depuis plus d'un an.
Très bonnes compétences acquises dans le travail en équipe et la communication.
Age
Enfants (7-12 ans)
Adolescents (13-17 ans)
Adultes (18-64 ans)
Seniors (65+ ans)
Niveau du Cours
Débutant
Intermédiaire
Avancé
Durée
60 minutes
Enseigné en
français
Compétences
Disponibilité semaine type
(GMT -04:00)
New York
at teacher icon
Cours par webcam
Mon
Tue
Wed
Thu
Fri
Sat
Sun
00-04
04-08
08-12
12-16
16-20
20-24
J'offre des cours particuliers en mathématiques pour les jeunes.

Ingénieure diplômée de l’école polytechnique de Montréal. J’ai de l’expérience en tutorat. J’ai de la passion pour l’éducation des sciences. J’ai des stratégies et méthodes simples et efficaces que j'aimerai partager pour faciliter la matière le maximum possible.. Je suis pédagogue, passionnée, et prends beaucoup de plaisir à encadrer l'étudiant dans l'assimilation des notions mathématiques et lui permettre de résoudre des problèmes.

Lors de la séance de révision, j'essaie toujours de mettre mon étudiant à l'aise. j'utilise des approches différentes que celles utilisées en classe afin de transmettre la matière de manière simple et facile.
Lire la suite
J'offre des cours particuliers en mathématiques (calcul différentiel, calcul intégral, algèbre linéaire, équations différentielles,..) pour les niveaux secondaires, CEGEP, année préparatoire ainsi que pour les cours du niveau de l'université.

Ingénieure diplômée de l’école polytechnique de Montréal. J’ai de l’expérience en tutorat. J’ai de la passion pour l’éducation des sciences. J’ai des stratégies et méthodes simples et efficaces que j'aimerai partager pour faciliter la matière le maximum possible.. J'assiste mon étudiant lors d'une première rencontre de 15 à 30min environ (par courriel ou par téléphone, à la préférence de l'étudiant) afin de comprendre ses difficultés, puis en fonction de ca je lui propose un plan d'étude pour le diriger dans sa révision en lui donnant des conseils et un rendez vous qu'on fixe ensemble pour notre prochaine séance de révision. Cette méthode a donné ses fruits depuis plusieurs années car elle permet de rendre la séance de révision le jour-j très efficace.

Lors de la séance de révision, j'essaie toujours de mettre mon étudiant à l'aise. j'utilise des approches différentes que celles utilisées en classe afin de rendre la matière simple et facile.
Lire la suite
Cours Similaires
arrow icon previousarrow icon next
verified badge
Robert
En tant que professeur de gestion franco-belge, je donne des cours d'Excel avec passion !
Que ce soit à distance ou en présentiel, je vous propose de nombreux exemples et exercices pour vous accompagner.
Je me déplace sans problème dans toute la région de Bruxelles et ses environs, pour des cours d'au moins 2 heures. Pour la France, les cours sont uniquement dispensés à distance.

Voici quelques mots-clés qui seront abordés dans mes cours :
Analyse de scénarios, Année, Arrondi, Aujourd’hui, Bdnb, Bdnbval, Bdsomme, Cherche, Colonne, Copiage/collage en valeurs, Copiage/collage avec transposition, Consolidation, Date, Datedif, Determat, Dollar, Droite, Droiterg, Equiv, Esterreur, Estna, Frequence, Filtre (simple et avancé), Format des cellules, Gauche, Grande.Valeur, Impression des documents, Index, Indirect, Inversemat, Jour, Joursem, Ligne, Matrice, Max, Maxa, Max.Si, Min, Mina, Mina.Si, Mise en forme des cellules et des plages, Mois, Moyenne, Moyenne.Si, Nb, Nb.Si, Nbval, Nomination des cellules et des plages, Non, Petite.valeur, Produit, Produitmat, Protection des cellules, Recherche (Lookup), Recherchev (VLookup), Rechercheh (HLookup), Si (If), Si.Non.Disp, Si.Conditions, Sierreur, Somme, Sommeproduit, Somme.Si, Somme.Si.Ens, Substitue, Tableaux croisés dynamiques (Pivot tables), Tri, Verrouillage des cellules

N'hésitez pas à me contacter pour organiser vos cours selon vos besoins et disponibilités. Ensemble, nous développerons vos compétences en Excel de manière efficace et personnalisée.
verified badge
Alain
Vous souhaitez comprendre le fonctionnement des bases de données relationnelles et apprendre à utiliser SQL, le langage le plus répandu pour gérer et interroger les données ? Ce cours est conçu pour vous fournir les connaissances essentielles et les compétences pratiques nécessaires pour tirer parti des bases de données relationnelles.

Dans un monde de plus en plus axé sur les données, savoir manipuler des bases de données est un atout essentiel. Que vous soyez étudiant, développeur débutant, analyste de données ou simplement curieux d'apprendre, ce cours vous donnera les bases nécessaires pour réussir.

Ce que vous allez apprendre :
Introduction aux bases de données relationnelles : Familiarisez-vous avec les concepts clés tels que les tables, les lignes, les colonnes, ainsi que les clés primaires et étrangères.
Langage SQL de base : Apprenez à rédiger des requêtes simples comme SELECT, INSERT, UPDATE et DELETE.
Filtrage et tri des données : Utilisez des clauses telles que WHERE, ORDER BY et LIMIT pour manipuler les résultats de vos requêtes.
Jointures (JOIN) : Connectez plusieurs tables pour obtenir des informations plus complètes et pertinentes.
Fonctions d'agrégation : Apprenez à calculer des statistiques comme COUNT, SUM, AVG, MIN et MAX.
Sous-requêtes et vues : Organisez vos requêtes de manière plus sophistiquée pour des analyses approfondies.
Pratiques recommandées : Améliorez vos requêtes pour optimiser les performances.

Pourquoi opter pour ce cours ?
Approche progressive : Des explications claires et détaillées pour assimiler les concepts sans se sentir perdu.
Pratique avant tout : Des exercices interactifs et des exemples concrets pour mettre en pratique immédiatement ce que vous apprenez.
Projets concrets : Participez à des projets pratiques pour renforcer vos compétences en SQL.
Flexibilité et confort : Apprenez depuis chez vous, sans caméra, en utilisant l'audio et le partage d'écran pour une expérience immersive.
Un atout professionnel : Maîtriser SQL est une compétence prisée dans de nombreux domaines, notamment en développement web, data science et analyse de données.

Ce cours s'adresse à plusieurs types de personnes :
- Aux débutants complets qui n'ont jamais utilisé de base de données relationnelle.
- Aux développeurs souhaitant ajouter SQL à leurs compétences.
- Aux analystes de données désireux d'améliorer leurs capacités d'interrogation et d'analyse.
- Aux étudiants en informatique qui souhaitent approfondir leurs connaissances en bases de données relationnelles.

Prérequis :
Aucun ! Ce cours est conçu pour les grands débutants.
Vous aurez simplement besoin de :

- Un ordinateur (Windows, Mac ou Linux).
- Un logiciel de gestion de base de données tel que MySQL ou SQLite (pas d’inquiétude, nous vous guiderons pour l'installation).
- La motivation d'apprendre et de pratiquer à travers des exercices concrets.

Rejoignez ce cours dès maintenant et apprenez les bases des bases de données relationnelles avec SQL ! Ne laissez pas passer cette chance de plonger dans un domaine fascinant où la gestion des données devient simple et efficace. Prêt à relever le défi ? Inscrivez-vous aujourd'hui et commencez votre aventure avec SQL !
verified badge
Raouf
Objectif : Comprendre l'IA sans peur, l'utiliser pour simplifier sa vie et savoir identifier les pièges numériques et utiliser Word, Excel, etc. sans difficulté.

1 : Démystifier l'IA (C'est quoi exactement ?)
L’IA n’est pas un robot de film : Différence entre la fiction et la réalité.

Comment ça marche (simplement) : L'image de la "bibliothèque géante" : l'IA a lu des milliards de livres et s'en sert pour prédire la suite d'une phrase ou créer une image.

Où est-elle déjà présente ? Les correcteurs d'orthographe, les suggestions Netflix/YouTube, le GPS, et les assistants vocaux (Siri/Alexa).

2 : Utiliser l'IA pour se faciliter la vie
Converser avec l'IA (ChatGPT, Claude, Gemini) :

Lui demander de rédiger un mail administratif ou une lettre complexe.

Résumer un long article de presse ou un document.

Planifier un itinéraire de voyage ou trouver des idées de recettes avec ce qu'il reste dans le frigo.

L'IA pour la créativité et la mémoire :

Générer des images pour illustrer une carte d'anniversaire (Midjourney, DALL-E).

Utiliser l'IA pour restaurer ou coloriser de vieilles photos de famille.

3 : Apprendre à "parler" à l'IA (L'art du Prompt)
La méthode du contexte : Pourquoi "Donne-moi une recette de gâteau" est moins efficace que "Je suis allergique au gluten et je reçois 4 personnes, donne-moi une recette de gâteau au chocolat simple".

Le rôle de l'expert : Apprendre à dire à l'IA "Agis comme un guide de voyage" ou "Agis comme un jardinier expert".

4 : Précautions et Esprit Critique (Le guide de survie)
Les "Hallucinations" : Comprendre que l'IA peut affirmer des choses fausses avec une assurance totale (ne jamais prendre un conseil médical ou juridique de l'IA sans vérification).

La protection de la vie privée :

Ne jamais donner de données sensibles (numéro de sécurité sociale, mots de passe, détails bancaires) à une IA.

Savoir que tout ce qu'on écrit à l'IA sert potentiellement à l'entraîner.

Repérer les "Deepfakes" :

Comment reconnaître une image ou une vidéo truquée (détails sur les mains, reflets bizarres, voix légèrement métallique).

Vérifier l'information : la règle d'or du croisement des sources.

5 : Éthique et Impacts (Pour aller plus loin)
Le droit d'auteur : À qui appartient une image créée par l'IA ?

L'impact écologique : La consommation d'eau et d'énergie des serveurs de l'IA.

L'avenir : Est-ce que l'IA va nous remplacer ou nous assister ?
verified badge
Laroussi
Séance 1 : Révolutionner sa Rédaction Scientifique avec LaTeX & l'IA
Durée : 2 Heures | Niveau : Débutant | Outils : Overleaf + IA**

Première Heure : Fondations et Environnement Cloud (60 min)

1. Introduction à la Philosophie LaTeX (15 min)

- Le concept "WYSIWYM" :** Expliquer la différence entre Word (*What You See Is What You Get*) et LaTeX (*What You See Is What You Mean*). Pourquoi le contenu prime sur la forme.
- Les avantages clés :** Qualité typographique inégalée, gestion automatique des références, stabilité sur les documents longs (thèses), et gratuité.
- La structure d'un fichier :** Distinction entre le **préambule** (le cerveau : réglages et packages) et le **corps du document** (le cœur : texte).

2. Immersion dans Overleaf (25 min)

- Configuration :** Création d'un compte et premier projet "Blank Project".
- Exploration de l'interface :** Le panneau de fichiers (gauche), l'éditeur de code (milieu) et la prévisualisation PDF (droite).
- Collaboration en temps réel :** Comment partager un projet et laisser des commentaires (comme sur Google Docs).
- L'historique et les versions :** Comment revenir en arrière en cas d'erreur de compilation.

3. Atelier Pratique : Mon Premier Document (20 min)

* Écriture des commandes de base : `\documentclass`, `\usepackage[french]{babel}`, `\title`, `\author`.
* Compilation du document et observation du résultat.
* Structuration : Utilisation de `\section` et `\subsection`.

Seconde Heure : Mathématiques et Magie de l'IA (60 min)

4. La puissance des Mathématiques (20 min)

- Modes mathématiques :** Différence entre le texte (`$...$`) et le bloc centré (`\[...\]`).
- Syntaxe essentielle :** Fractions `\frac{}{}`, exposants `^`, indices `_`, et racines `\sqrt{}`.
- Introduction aux packages AMS : Pourquoi amsmath et amssymb sont indispensables pour un rendu professionnel.

5. De la main à l'écran : L'IA au service du LaTeX (30 min)

- Présentation des outils d'OCR :** Utilisation de **Mathpix Snip** (le leader) ou de modèles comme Gemini/ChatGPT pour transformer une photo en code.
- Démonstration concrète :
1. Prendre une photo d'une formule manuscrite complexe (ex: une intégrale avec des matrices).
2. Utiliser l'IA pour générer le code LaTeX correspondant.
3. Correction et insertion : Apprendre à vérifier le code généré par l'IA avant de le copier-coller dans Overleaf.

6. Conclusion et Q&A (10 min)

* Synthèse des acquis.
* Ressources pour aller plus loin
* Définition de l'exercice pour la prichaine séance.
verified badge
Ammar
A — SUJETS QUE VOUS POUVEZ EXPLORER ET MAÎTRISER

1 — FONDAMENTAUX DE PYTHON
• Variables, types de données, opérateurs, structures conditionnelles, boucles, fonctions, modules, fichiers, exceptions et programmation orientée objet
• Listes, tuples, dictionnaires, ensembles, compréhensions, débogage et rédaction d’un code clair, réutilisable et bien structuré
• Jupyter Notebook, Anaconda, Visual Studio Code, environnements virtuels et gestion des packages

2 — PROGRAMMATION, ALGORITHMES ET FONDEMENTS DE L’INFORMATIQUE
• Raisonnement algorithmique, décomposition de problèmes, pseudocode, organigrammes, programmation procédurale, programmation orientée objet, récursivité et conception modulaire des programmes
• Structures de données fondamentales : tableaux, listes, piles, files, dictionnaires/tables de hachage, ensembles, arbres, graphes, ainsi que leur utilisation appropriée
• Recherche, tri, parcours, efficacité algorithmique, complexité computationnelle, notation Big-O, débogage, tests, organisation du code et stratégies de résolution de problèmes
• Exercices pratiques de programmation allant des problèmes pour débutants aux défis algorithmiques et computationnels de niveau universitaire

3 — PRÉPARATION ET EXPLORATION DES DONNÉES
• NumPy et pandas pour l’importation, le nettoyage, la transformation, le filtrage, le regroupement, la restructuration et la fusion des données
• Valeurs manquantes, doublons, valeurs aberrantes, formats incohérents, fuite de données et validation de la qualité des données
• Analyse exploratoire des données à l’aide de statistiques descriptives, Matplotlib, Seaborn et de l’interprétation graphique

4 — FONDEMENTS MATHÉMATIQUES
• Algèbre linéaire, vecteurs, matrices, dérivées, optimisation, probabilités et statistiques
• Fonctions de perte, gradients, mesures de distance, régularisation, vraisemblance et complexité des modèles
• Les concepts mathématiques sont expliqués en fonction du niveau de l’apprenant et des exigences propres aux algorithmes étudiés

5 — APPRENTISSAGE AUTOMATIQUE SUPERVISÉ
• Régression linéaire et polynomiale, régression logistique et modèles régularisés
• k plus proches voisins, arbres de décision, forêts aléatoires, gradient boosting, machines à vecteurs de support et classificateurs naïfs bayésiens
• Classification, régression, hypothèses des modèles, frontières de décision, importance des variables et interprétation des résultats

6 — APPRENTISSAGE NON SUPERVISÉ
• Regroupement par k-means, classification hiérarchique et méthodes fondées sur la densité
• Analyse en composantes principales, réduction de dimension, détection d’anomalies et découverte de structures ou de motifs dans les données
• Sélection de la méthode, évaluation de la structure des données et interprétation des résultats en l’absence de catégories prédéfinies

7 — ÉVALUATION ET AMÉLIORATION DES MODÈLES
• Jeux d’entraînement, de validation et de test ; validation croisée ; optimisation des hyperparamètres
• Exactitude, précision, rappel, spécificité, score F1, ROC–AUC, matrices de confusion, MAE, MSE, RMSE et R2
• Sous-apprentissage, surapprentissage, compromis biais-variance, déséquilibre des classes, ingénierie des variables, sélection des variables, mise à l’échelle et régularisation

8 — APPRENTISSAGE PROFOND
• Fondements des réseaux de neurones, fonctions d’activation, propagation avant, rétropropagation et descente de gradient
• Perceptrons multicouches, réseaux de neurones convolutionnels, réseaux de neurones récurrents et fondements des Transformers
• TensorFlow, Keras ou PyTorch selon le projet de l’apprenant et son environnement de travail

9 — APPLICATIONS DE L’INTELLIGENCE ARTIFICIELLE
• Traitement automatique du langage naturel, classification de textes, embeddings, analyse des sentiments et fondements des modèles de langage
• Vision par ordinateur, classification d’images, principes fondamentaux de la détection d’objets et prétraitement des images
• Systèmes de recommandation, prévision, détection d’anomalies, automatisation intelligente et applications d’aide à la décision

10 — IA GÉNÉRATIVE ET GRANDS MODÈLES DE LANGAGE
• Architecture Transformer, tokens, embeddings, mécanismes d’attention, ingénierie des prompts, génération augmentée par récupération d’information (RAG) et évaluation des modèles
• Utilisation d’API d’intelligence artificielle, de bases de données vectorielles, de systèmes de recherche documentaire et de workflows structurés intégrant l’IA lorsque cela est pertinent
• Fiabilité, hallucinations, biais, confidentialité, utilisation responsable et validation humaine appropriée

11 — OUTILS ET BIBLIOTHÈQUES
• Python, NumPy, pandas, Matplotlib, Seaborn, scikit-learn, SciPy, Statsmodels, TensorFlow, Keras et PyTorch
• Jupyter Notebook, Anaconda, Visual Studio Code, Git, GitHub, SQL, Excel et Power BI lorsque cela est utile au projet
• D’autres bibliothèques peuvent être introduites en fonction de la spécialisation choisie et du jeu de données utilisé

12 — PROJETS, RECHERCHE ET PRÉPARATION AUX ENTRETIENS
• Projets complets couvrant la préparation des données, le développement des modèles, leur évaluation, l’interprétation et la présentation des résultats
• Travaux universitaires, mémoires, thèses, projets de recherche, projets de portfolio, entretiens techniques et applications professionnelles
• Revue de code, débogage, documentation, reproductibilité, comparaison des modèles et communication des résultats



B — ACCOMPAGNEMENT PERSONNALISÉ : APPRENDRE À RAISONNER

Le Machine Learning et l’intelligence artificielle deviennent beaucoup plus accessibles lorsque les mathématiques, les algorithmes, le code Python, les données et les applications concrètes sont clairement reliés entre eux.

Mes cours vous aident à aller bien au-delà de la simple reproduction de code ou de l’utilisation de modèles comme des « boîtes noires ». Vous apprendrez à définir correctement un problème, préparer les données, sélectionner un algorithme approprié, comprendre son fonctionnement, entraîner et évaluer le modèle, diagnostiquer les erreurs, améliorer ses performances et interpréter les résultats de manière rigoureuse et responsable.

Chaque cours est personnalisé en fonction de votre niveau actuel, de votre formation mathématique, de votre expérience en programmation, de votre jeu de données, de vos travaux universitaires, de votre projet de recherche, de votre préparation à un entretien ou de votre objectif professionnel. Nous commençons par identifier vos connaissances existantes, votre environnement logiciel, les résultats attendus ainsi que vos principales difficultés conceptuelles ou techniques. Nous établissons ensuite un plan d’apprentissage structuré.

La première séance comprend un échange sur votre parcours, vos objectifs et vos besoins en accompagnement, une première évaluation de vos connaissances actuelles, une planification personnalisée et l’organisation des séances futures, ainsi qu’une courte leçon d’essai permettant de déterminer l’approche pédagogique la plus efficace.

Une séance type peut comprendre une explication conceptuelle, le développement de l’intuition mathématique, du codage en direct, une mise en œuvre guidée, l’évaluation des modèles, la résolution de problèmes techniques ainsi qu’une synthèse concise des prochaines étapes.

Vous pouvez travailler à partir de votre propre jeu de données, d’un devoir universitaire, d’un projet de recherche ou d’un problème professionnel, à condition que les informations confidentielles soient traitées de manière appropriée. Je peux également fournir des exemples structurés et des jeux de données adaptés à votre niveau.

Mon objectif n’est pas simplement de vous aider à exécuter un algorithme. Il est de vous permettre de comprendre pourquoi cet algorithme est approprié, comment il apprend à partir des données, comment l’évaluer correctement, pourquoi il peut échouer et comment construire une solution fiable, interprétable et scientifiquement rigoureuse.
verified badge
Sara
Étudiante en Master de Data Science à l'EPFL, diplômée de CentraleSupélec (classée dans le top 3 % de ma promotion) et titulaire d'un Bachelor en microtechnique à l'EPFL, je propose des cours de mathématiques, de physique et d'informatique, du primaire jusqu'au niveau universitaire.
Mon expérience d'enseignement
J'ai été assistante étudiante à l'EPFL pour 8 cours, auprès de plus de 400 étudiants. J'encadre actuellement les séances d'exercices d'algèbre linéaire et d'ICC (Information, Calcul, Communication). Chaque semaine, j'adapte mes explications au niveau de chacun : c'est ce que j'aime le plus dans l'enseignement.
Ce que je propose
• Primaire et secondaire : consolider les bases (calcul, fractions, géométrie, équations), reprendre confiance et gagner en méthode.
• Gymnase / lycée (maturité, baccalauréat) : fonctions, analyse, probabilités, vecteurs, mécanique, électricité, préparation aux examens.
• Université / EPF / prépa : analyse, algèbre linéaire, probabilités et statistiques, analyse numérique, programmation (Python, C/C++).
Ma méthode
Je commence par identifier ce qui bloque vraiment : une notion mal comprise, un manque de méthode ou le stress. Ensuite, je construis les séances à partir des cours et des exercices de l'élève. L'objectif n'est pas seulement de réussir le prochain test, mais de comprendre, pour devenir autonome.
Aide aux devoirs ponctuelle, suivi régulier ou préparation intensive avant un examen : je m'adapte à vos besoins.
message icon
Contacter Fadwa
repeat students icon
Le premier cours est couvert par notre Garantie Le-Bon-Prof
Cours Similaires
arrow icon previousarrow icon next
verified badge
Robert
En tant que professeur de gestion franco-belge, je donne des cours d'Excel avec passion !
Que ce soit à distance ou en présentiel, je vous propose de nombreux exemples et exercices pour vous accompagner.
Je me déplace sans problème dans toute la région de Bruxelles et ses environs, pour des cours d'au moins 2 heures. Pour la France, les cours sont uniquement dispensés à distance.

Voici quelques mots-clés qui seront abordés dans mes cours :
Analyse de scénarios, Année, Arrondi, Aujourd’hui, Bdnb, Bdnbval, Bdsomme, Cherche, Colonne, Copiage/collage en valeurs, Copiage/collage avec transposition, Consolidation, Date, Datedif, Determat, Dollar, Droite, Droiterg, Equiv, Esterreur, Estna, Frequence, Filtre (simple et avancé), Format des cellules, Gauche, Grande.Valeur, Impression des documents, Index, Indirect, Inversemat, Jour, Joursem, Ligne, Matrice, Max, Maxa, Max.Si, Min, Mina, Mina.Si, Mise en forme des cellules et des plages, Mois, Moyenne, Moyenne.Si, Nb, Nb.Si, Nbval, Nomination des cellules et des plages, Non, Petite.valeur, Produit, Produitmat, Protection des cellules, Recherche (Lookup), Recherchev (VLookup), Rechercheh (HLookup), Si (If), Si.Non.Disp, Si.Conditions, Sierreur, Somme, Sommeproduit, Somme.Si, Somme.Si.Ens, Substitue, Tableaux croisés dynamiques (Pivot tables), Tri, Verrouillage des cellules

N'hésitez pas à me contacter pour organiser vos cours selon vos besoins et disponibilités. Ensemble, nous développerons vos compétences en Excel de manière efficace et personnalisée.
verified badge
Alain
Vous souhaitez comprendre le fonctionnement des bases de données relationnelles et apprendre à utiliser SQL, le langage le plus répandu pour gérer et interroger les données ? Ce cours est conçu pour vous fournir les connaissances essentielles et les compétences pratiques nécessaires pour tirer parti des bases de données relationnelles.

Dans un monde de plus en plus axé sur les données, savoir manipuler des bases de données est un atout essentiel. Que vous soyez étudiant, développeur débutant, analyste de données ou simplement curieux d'apprendre, ce cours vous donnera les bases nécessaires pour réussir.

Ce que vous allez apprendre :
Introduction aux bases de données relationnelles : Familiarisez-vous avec les concepts clés tels que les tables, les lignes, les colonnes, ainsi que les clés primaires et étrangères.
Langage SQL de base : Apprenez à rédiger des requêtes simples comme SELECT, INSERT, UPDATE et DELETE.
Filtrage et tri des données : Utilisez des clauses telles que WHERE, ORDER BY et LIMIT pour manipuler les résultats de vos requêtes.
Jointures (JOIN) : Connectez plusieurs tables pour obtenir des informations plus complètes et pertinentes.
Fonctions d'agrégation : Apprenez à calculer des statistiques comme COUNT, SUM, AVG, MIN et MAX.
Sous-requêtes et vues : Organisez vos requêtes de manière plus sophistiquée pour des analyses approfondies.
Pratiques recommandées : Améliorez vos requêtes pour optimiser les performances.

Pourquoi opter pour ce cours ?
Approche progressive : Des explications claires et détaillées pour assimiler les concepts sans se sentir perdu.
Pratique avant tout : Des exercices interactifs et des exemples concrets pour mettre en pratique immédiatement ce que vous apprenez.
Projets concrets : Participez à des projets pratiques pour renforcer vos compétences en SQL.
Flexibilité et confort : Apprenez depuis chez vous, sans caméra, en utilisant l'audio et le partage d'écran pour une expérience immersive.
Un atout professionnel : Maîtriser SQL est une compétence prisée dans de nombreux domaines, notamment en développement web, data science et analyse de données.

Ce cours s'adresse à plusieurs types de personnes :
- Aux débutants complets qui n'ont jamais utilisé de base de données relationnelle.
- Aux développeurs souhaitant ajouter SQL à leurs compétences.
- Aux analystes de données désireux d'améliorer leurs capacités d'interrogation et d'analyse.
- Aux étudiants en informatique qui souhaitent approfondir leurs connaissances en bases de données relationnelles.

Prérequis :
Aucun ! Ce cours est conçu pour les grands débutants.
Vous aurez simplement besoin de :

- Un ordinateur (Windows, Mac ou Linux).
- Un logiciel de gestion de base de données tel que MySQL ou SQLite (pas d’inquiétude, nous vous guiderons pour l'installation).
- La motivation d'apprendre et de pratiquer à travers des exercices concrets.

Rejoignez ce cours dès maintenant et apprenez les bases des bases de données relationnelles avec SQL ! Ne laissez pas passer cette chance de plonger dans un domaine fascinant où la gestion des données devient simple et efficace. Prêt à relever le défi ? Inscrivez-vous aujourd'hui et commencez votre aventure avec SQL !
verified badge
Raouf
Objectif : Comprendre l'IA sans peur, l'utiliser pour simplifier sa vie et savoir identifier les pièges numériques et utiliser Word, Excel, etc. sans difficulté.

1 : Démystifier l'IA (C'est quoi exactement ?)
L’IA n’est pas un robot de film : Différence entre la fiction et la réalité.

Comment ça marche (simplement) : L'image de la "bibliothèque géante" : l'IA a lu des milliards de livres et s'en sert pour prédire la suite d'une phrase ou créer une image.

Où est-elle déjà présente ? Les correcteurs d'orthographe, les suggestions Netflix/YouTube, le GPS, et les assistants vocaux (Siri/Alexa).

2 : Utiliser l'IA pour se faciliter la vie
Converser avec l'IA (ChatGPT, Claude, Gemini) :

Lui demander de rédiger un mail administratif ou une lettre complexe.

Résumer un long article de presse ou un document.

Planifier un itinéraire de voyage ou trouver des idées de recettes avec ce qu'il reste dans le frigo.

L'IA pour la créativité et la mémoire :

Générer des images pour illustrer une carte d'anniversaire (Midjourney, DALL-E).

Utiliser l'IA pour restaurer ou coloriser de vieilles photos de famille.

3 : Apprendre à "parler" à l'IA (L'art du Prompt)
La méthode du contexte : Pourquoi "Donne-moi une recette de gâteau" est moins efficace que "Je suis allergique au gluten et je reçois 4 personnes, donne-moi une recette de gâteau au chocolat simple".

Le rôle de l'expert : Apprendre à dire à l'IA "Agis comme un guide de voyage" ou "Agis comme un jardinier expert".

4 : Précautions et Esprit Critique (Le guide de survie)
Les "Hallucinations" : Comprendre que l'IA peut affirmer des choses fausses avec une assurance totale (ne jamais prendre un conseil médical ou juridique de l'IA sans vérification).

La protection de la vie privée :

Ne jamais donner de données sensibles (numéro de sécurité sociale, mots de passe, détails bancaires) à une IA.

Savoir que tout ce qu'on écrit à l'IA sert potentiellement à l'entraîner.

Repérer les "Deepfakes" :

Comment reconnaître une image ou une vidéo truquée (détails sur les mains, reflets bizarres, voix légèrement métallique).

Vérifier l'information : la règle d'or du croisement des sources.

5 : Éthique et Impacts (Pour aller plus loin)
Le droit d'auteur : À qui appartient une image créée par l'IA ?

L'impact écologique : La consommation d'eau et d'énergie des serveurs de l'IA.

L'avenir : Est-ce que l'IA va nous remplacer ou nous assister ?
verified badge
Laroussi
Séance 1 : Révolutionner sa Rédaction Scientifique avec LaTeX & l'IA
Durée : 2 Heures | Niveau : Débutant | Outils : Overleaf + IA**

Première Heure : Fondations et Environnement Cloud (60 min)

1. Introduction à la Philosophie LaTeX (15 min)

- Le concept "WYSIWYM" :** Expliquer la différence entre Word (*What You See Is What You Get*) et LaTeX (*What You See Is What You Mean*). Pourquoi le contenu prime sur la forme.
- Les avantages clés :** Qualité typographique inégalée, gestion automatique des références, stabilité sur les documents longs (thèses), et gratuité.
- La structure d'un fichier :** Distinction entre le **préambule** (le cerveau : réglages et packages) et le **corps du document** (le cœur : texte).

2. Immersion dans Overleaf (25 min)

- Configuration :** Création d'un compte et premier projet "Blank Project".
- Exploration de l'interface :** Le panneau de fichiers (gauche), l'éditeur de code (milieu) et la prévisualisation PDF (droite).
- Collaboration en temps réel :** Comment partager un projet et laisser des commentaires (comme sur Google Docs).
- L'historique et les versions :** Comment revenir en arrière en cas d'erreur de compilation.

3. Atelier Pratique : Mon Premier Document (20 min)

* Écriture des commandes de base : `\documentclass`, `\usepackage[french]{babel}`, `\title`, `\author`.
* Compilation du document et observation du résultat.
* Structuration : Utilisation de `\section` et `\subsection`.

Seconde Heure : Mathématiques et Magie de l'IA (60 min)

4. La puissance des Mathématiques (20 min)

- Modes mathématiques :** Différence entre le texte (`$...$`) et le bloc centré (`\[...\]`).
- Syntaxe essentielle :** Fractions `\frac{}{}`, exposants `^`, indices `_`, et racines `\sqrt{}`.
- Introduction aux packages AMS : Pourquoi amsmath et amssymb sont indispensables pour un rendu professionnel.

5. De la main à l'écran : L'IA au service du LaTeX (30 min)

- Présentation des outils d'OCR :** Utilisation de **Mathpix Snip** (le leader) ou de modèles comme Gemini/ChatGPT pour transformer une photo en code.
- Démonstration concrète :
1. Prendre une photo d'une formule manuscrite complexe (ex: une intégrale avec des matrices).
2. Utiliser l'IA pour générer le code LaTeX correspondant.
3. Correction et insertion : Apprendre à vérifier le code généré par l'IA avant de le copier-coller dans Overleaf.

6. Conclusion et Q&A (10 min)

* Synthèse des acquis.
* Ressources pour aller plus loin
* Définition de l'exercice pour la prichaine séance.
verified badge
Ammar
A — SUJETS QUE VOUS POUVEZ EXPLORER ET MAÎTRISER

1 — FONDAMENTAUX DE PYTHON
• Variables, types de données, opérateurs, structures conditionnelles, boucles, fonctions, modules, fichiers, exceptions et programmation orientée objet
• Listes, tuples, dictionnaires, ensembles, compréhensions, débogage et rédaction d’un code clair, réutilisable et bien structuré
• Jupyter Notebook, Anaconda, Visual Studio Code, environnements virtuels et gestion des packages

2 — PROGRAMMATION, ALGORITHMES ET FONDEMENTS DE L’INFORMATIQUE
• Raisonnement algorithmique, décomposition de problèmes, pseudocode, organigrammes, programmation procédurale, programmation orientée objet, récursivité et conception modulaire des programmes
• Structures de données fondamentales : tableaux, listes, piles, files, dictionnaires/tables de hachage, ensembles, arbres, graphes, ainsi que leur utilisation appropriée
• Recherche, tri, parcours, efficacité algorithmique, complexité computationnelle, notation Big-O, débogage, tests, organisation du code et stratégies de résolution de problèmes
• Exercices pratiques de programmation allant des problèmes pour débutants aux défis algorithmiques et computationnels de niveau universitaire

3 — PRÉPARATION ET EXPLORATION DES DONNÉES
• NumPy et pandas pour l’importation, le nettoyage, la transformation, le filtrage, le regroupement, la restructuration et la fusion des données
• Valeurs manquantes, doublons, valeurs aberrantes, formats incohérents, fuite de données et validation de la qualité des données
• Analyse exploratoire des données à l’aide de statistiques descriptives, Matplotlib, Seaborn et de l’interprétation graphique

4 — FONDEMENTS MATHÉMATIQUES
• Algèbre linéaire, vecteurs, matrices, dérivées, optimisation, probabilités et statistiques
• Fonctions de perte, gradients, mesures de distance, régularisation, vraisemblance et complexité des modèles
• Les concepts mathématiques sont expliqués en fonction du niveau de l’apprenant et des exigences propres aux algorithmes étudiés

5 — APPRENTISSAGE AUTOMATIQUE SUPERVISÉ
• Régression linéaire et polynomiale, régression logistique et modèles régularisés
• k plus proches voisins, arbres de décision, forêts aléatoires, gradient boosting, machines à vecteurs de support et classificateurs naïfs bayésiens
• Classification, régression, hypothèses des modèles, frontières de décision, importance des variables et interprétation des résultats

6 — APPRENTISSAGE NON SUPERVISÉ
• Regroupement par k-means, classification hiérarchique et méthodes fondées sur la densité
• Analyse en composantes principales, réduction de dimension, détection d’anomalies et découverte de structures ou de motifs dans les données
• Sélection de la méthode, évaluation de la structure des données et interprétation des résultats en l’absence de catégories prédéfinies

7 — ÉVALUATION ET AMÉLIORATION DES MODÈLES
• Jeux d’entraînement, de validation et de test ; validation croisée ; optimisation des hyperparamètres
• Exactitude, précision, rappel, spécificité, score F1, ROC–AUC, matrices de confusion, MAE, MSE, RMSE et R2
• Sous-apprentissage, surapprentissage, compromis biais-variance, déséquilibre des classes, ingénierie des variables, sélection des variables, mise à l’échelle et régularisation

8 — APPRENTISSAGE PROFOND
• Fondements des réseaux de neurones, fonctions d’activation, propagation avant, rétropropagation et descente de gradient
• Perceptrons multicouches, réseaux de neurones convolutionnels, réseaux de neurones récurrents et fondements des Transformers
• TensorFlow, Keras ou PyTorch selon le projet de l’apprenant et son environnement de travail

9 — APPLICATIONS DE L’INTELLIGENCE ARTIFICIELLE
• Traitement automatique du langage naturel, classification de textes, embeddings, analyse des sentiments et fondements des modèles de langage
• Vision par ordinateur, classification d’images, principes fondamentaux de la détection d’objets et prétraitement des images
• Systèmes de recommandation, prévision, détection d’anomalies, automatisation intelligente et applications d’aide à la décision

10 — IA GÉNÉRATIVE ET GRANDS MODÈLES DE LANGAGE
• Architecture Transformer, tokens, embeddings, mécanismes d’attention, ingénierie des prompts, génération augmentée par récupération d’information (RAG) et évaluation des modèles
• Utilisation d’API d’intelligence artificielle, de bases de données vectorielles, de systèmes de recherche documentaire et de workflows structurés intégrant l’IA lorsque cela est pertinent
• Fiabilité, hallucinations, biais, confidentialité, utilisation responsable et validation humaine appropriée

11 — OUTILS ET BIBLIOTHÈQUES
• Python, NumPy, pandas, Matplotlib, Seaborn, scikit-learn, SciPy, Statsmodels, TensorFlow, Keras et PyTorch
• Jupyter Notebook, Anaconda, Visual Studio Code, Git, GitHub, SQL, Excel et Power BI lorsque cela est utile au projet
• D’autres bibliothèques peuvent être introduites en fonction de la spécialisation choisie et du jeu de données utilisé

12 — PROJETS, RECHERCHE ET PRÉPARATION AUX ENTRETIENS
• Projets complets couvrant la préparation des données, le développement des modèles, leur évaluation, l’interprétation et la présentation des résultats
• Travaux universitaires, mémoires, thèses, projets de recherche, projets de portfolio, entretiens techniques et applications professionnelles
• Revue de code, débogage, documentation, reproductibilité, comparaison des modèles et communication des résultats



B — ACCOMPAGNEMENT PERSONNALISÉ : APPRENDRE À RAISONNER

Le Machine Learning et l’intelligence artificielle deviennent beaucoup plus accessibles lorsque les mathématiques, les algorithmes, le code Python, les données et les applications concrètes sont clairement reliés entre eux.

Mes cours vous aident à aller bien au-delà de la simple reproduction de code ou de l’utilisation de modèles comme des « boîtes noires ». Vous apprendrez à définir correctement un problème, préparer les données, sélectionner un algorithme approprié, comprendre son fonctionnement, entraîner et évaluer le modèle, diagnostiquer les erreurs, améliorer ses performances et interpréter les résultats de manière rigoureuse et responsable.

Chaque cours est personnalisé en fonction de votre niveau actuel, de votre formation mathématique, de votre expérience en programmation, de votre jeu de données, de vos travaux universitaires, de votre projet de recherche, de votre préparation à un entretien ou de votre objectif professionnel. Nous commençons par identifier vos connaissances existantes, votre environnement logiciel, les résultats attendus ainsi que vos principales difficultés conceptuelles ou techniques. Nous établissons ensuite un plan d’apprentissage structuré.

La première séance comprend un échange sur votre parcours, vos objectifs et vos besoins en accompagnement, une première évaluation de vos connaissances actuelles, une planification personnalisée et l’organisation des séances futures, ainsi qu’une courte leçon d’essai permettant de déterminer l’approche pédagogique la plus efficace.

Une séance type peut comprendre une explication conceptuelle, le développement de l’intuition mathématique, du codage en direct, une mise en œuvre guidée, l’évaluation des modèles, la résolution de problèmes techniques ainsi qu’une synthèse concise des prochaines étapes.

Vous pouvez travailler à partir de votre propre jeu de données, d’un devoir universitaire, d’un projet de recherche ou d’un problème professionnel, à condition que les informations confidentielles soient traitées de manière appropriée. Je peux également fournir des exemples structurés et des jeux de données adaptés à votre niveau.

Mon objectif n’est pas simplement de vous aider à exécuter un algorithme. Il est de vous permettre de comprendre pourquoi cet algorithme est approprié, comment il apprend à partir des données, comment l’évaluer correctement, pourquoi il peut échouer et comment construire une solution fiable, interprétable et scientifiquement rigoureuse.
verified badge
Sara
Étudiante en Master de Data Science à l'EPFL, diplômée de CentraleSupélec (classée dans le top 3 % de ma promotion) et titulaire d'un Bachelor en microtechnique à l'EPFL, je propose des cours de mathématiques, de physique et d'informatique, du primaire jusqu'au niveau universitaire.
Mon expérience d'enseignement
J'ai été assistante étudiante à l'EPFL pour 8 cours, auprès de plus de 400 étudiants. J'encadre actuellement les séances d'exercices d'algèbre linéaire et d'ICC (Information, Calcul, Communication). Chaque semaine, j'adapte mes explications au niveau de chacun : c'est ce que j'aime le plus dans l'enseignement.
Ce que je propose
• Primaire et secondaire : consolider les bases (calcul, fractions, géométrie, équations), reprendre confiance et gagner en méthode.
• Gymnase / lycée (maturité, baccalauréat) : fonctions, analyse, probabilités, vecteurs, mécanique, électricité, préparation aux examens.
• Université / EPF / prépa : analyse, algèbre linéaire, probabilités et statistiques, analyse numérique, programmation (Python, C/C++).
Ma méthode
Je commence par identifier ce qui bloque vraiment : une notion mal comprise, un manque de méthode ou le stress. Ensuite, je construis les séances à partir des cours et des exercices de l'élève. L'objectif n'est pas seulement de réussir le prochain test, mais de comprendre, pour devenir autonome.
Aide aux devoirs ponctuelle, suivi régulier ou préparation intensive avant un examen : je m'adapte à vos besoins.
Garantie Le-Bon-Prof
favorite button
message icon
Contacter Fadwa