Tutographie.md

@@ -19,7 +19,7 @@ Mention spéciale : une semaine sur Numpy et Pandas, une dernière semaine "Suje
 Mention spéciale : mine de ressources pédagogiques, avec les exercices mais aussi la démonstration du site [Python Tutor](http://pythontutor.com/), qui est vraiment une adresse fabuleuse pour comprendre la vie des objets Python (copies superficielles ou profondes, espaces de nommage, portée des variables...), ou les expliquer...
 
 "Machine learning in python with scikit-learn" de l'INRIA : formation basée sur l'application de méthodes déjà codées dans Scikit, elle permet aussi de se former à Seaborn par la pratique.
-Si vous avez l'opportunité de tomber sur une session active (via FUN MOOC par exemple), jetez-ici un oeil, sinon voir le [site scipy](http://scipy-lectures.org/) ; voir ci dessous un résumé et "liens utiles" trouvés dans ce Mooc.
+Si vous avez l'opportunité de tomber sur une session active (via FUN MOOC par exemple), jetez-ici un oeil, sinon voir le [site du projet scikit-learn](https://scikit-learn.org/stable/index.html) ou plus générique le [site scipy](http://scipy-lectures.org/) ; voir ci dessous un résumé et "liens utiles" trouvés dans ce Mooc.
 
 Ce Mooc, indépendamment de son contenu principal MachineLearning, offre plusieurs ressources intéressantes dans un contexte plus large: 
 - des liens vers des tutoriels de débutant à intermédiaire (on notera le mélange de docs officielle et blogs, assez représentatif des ressources utiles):
@@ -56,7 +56,7 @@ Une offre de cours très complète,mais payante. Le site propose parfois un acc
 
 - Conférences et tutos de "DataScience"
 C'est un sujet à la mode, vous trouverez donc beaucoup de ressources traitant d'analyse de données.
-Voir par exemple le site [scipy-lectures](scipy-lectures.org), déjà évoqué plus haut avec le MOOC Scipy pour le Machine Learning.
+Voir par exemple le site [scipy-lectures](scipy-lectures.org), déjà évoqué plus haut avec le MOOC Scikit-Learn pour le Machine Learning.
 
 
 Une référence, bien qu'un peu datée : le [livre de J. VanderPlas aux éditions O'Reilly](https://jakevdp.github.io/PythonDataScienceHandbook/), disponible sous licence CC-BY-NC-ND license.