Dans ce chapitre, nous vous dévoilons un projet fascinant : la prédiction d’éligibilité aux prêts à l’aide de deux puissants artefacts du royaume du machine learning, la régression logistique et KNN. Une aventure mêlant données, algorithmes et interface magique, que nous vous invitons à explorer.

Table des matières

• Objectif du Projet
• Le grimoire des données
• Construction des Modèles de Prédiction
• Développement de la Plateforme Web
• Point sur les Technos Utilisées
• Impact et Utilité
• Visuels
• Conclusion de la quête

Objectif du Projet

Chaque grande aventure commence par un défi. Ici, l’objectif principal était de créer un modèle prédictif qui aide les banques à déterminer si un client potentiel est éligible à un prêt en fonction de ses caractéristiques personnelles et financières comme son revenu, sa situation matrimoniale ou son historique de crédit. Pour ce faire, nous avons mis sur pied deux modèles de machine learning : la régression logistique et le k-plus proches voisins (KNN), pour analyser et prédire les résultats en fonction des données. Nous avons également créé une plateforme web pour permettre aux banquiers et administrateurs de banque de visualiser et d’interagir facilement avec ces prédictions. Une solution complète, pensée pour rendre le processus décisionnel plus simple et efficace.

Bienvenue dans le royaume fascinant du développement web, où chaque ligne de code tisse la toile magique qui donne vie à l’univers en ligne. Dans cette quête, nous plongerons au cœur des fondations mystiques du HTML et du CSS, les deux langages qui servent d’alchimie pour transformer des lignes de code en sites web éblouissants.

Le HTML, langage de balisage, sera notre première étoile à explorer. Il forme la structure fondamentale de chaque page web, chaque balise jouant un rôle crucial dans la construction de cet édifice numérique. Ensuite, nous nous immergerons dans l’esthétique ensorcelante du CSS, le langage qui donne vie aux couleurs, aux polices, et qui modèle l’apparence de nos créations.