Booster des Talents IT

Formation Machine LearningNew Formation !

formation machine learning
Entrez dans la nouvelle ère de l’intelligence artificielle grâce à notre formation de 3 jours !
Notre formation Machine Learning vous permettra d’acquérir les connaissances et compétences de base en matière d’apprentissage automatique. Quel que soit votre domaine de prédilection, la maîtrise des concepts et outils issus du machine learning offre de nouvelles perspectives professionnelles exaltantes. Grâce à notre formation intensive, vous apprendrez à préparer vos données et à les exploiter via la mise en œuvre des principaux algorithmes de machine learning. Vous créerez des modèles prédictifs et de prise de décision lors d’ateliers pratiques basés sur le langage Python, et apprendrez à utiliser les bibliothèques dédiées à l’apprentissage automatique. Une introduction au Deep Learning et réseaux neuronaux sera présentée en fin de formation, pour vous permettre d’appréhender cette technologie d’apprentissage en pleine ébullition.
Prixà partir de
1950 €HT
RéférenceAF27098
Durée3 jours
Public Architectes, Chefs de Projet, Développeurs, Ingénieurs
PrérequisConnaissance d’un langage de programmation, de préférence Python. Des connaissances de base en algèbre et statistiques sont conseillées pour comprendre la théorie derrière la création de modèles.
TP60%

Plan de Formation Machine Learning

Introduction à la formation Machine Learning

Intelligence Artificielle, Big Data, Data Science et Machine Learning : définitions et principes fondamentaux
Retour historique sur l’apprentissage automatique
Champs d’application du machine learning
Terminologie (étiquette, caractéristique, modèle, inférence…)
Exemples de mise en œuvre du machine learning
Principaux outils : Jupyter notebooks, scikit-learn, Pandas, BigML, Dataiku

Rappels mathématiques (vecteurs, loi normale, probabilité conditionnelle…)

Rappels sur la programmation en Python et notebooks Jupyter

Catégorisation des techniques et algorithmes d’apprentissage

Apprentissage supervisé
Classification et régression
Apprentissage non-supervisé
Clustering
Principaux algorithmes : Support Vector Machines, modèles de probabilité, arbres de décision, etc
Modéliser les problématiques d’entreprise en problèmes de machine learning
Workflow pour la construction d’un modèle
Choisir un type d’apprentissage et un algorithme pertinents

Obtention et préparation des données

Rappels sur les données (format, structuration, collecte, visualisation, interprétation)
Obtenir les données
La librairie open source scikit-learn
Techniques d’exploration des données
Feature Engineering (ingénierie des caractéristiques)
Extraction et sélection des features
Réduction de la dimension des données
L’analyse en composantes principales (PCA)

Evaluation des modèles d’apprentissage

Partitionner les données en ensembles d’apprentissage, de test et de validation
Exemples pour l’entraînement d’un modèle
Exemples pour le test d’un modèle
Mesures de performance : précision et rappel, matrices de confusion, cross-validation
Généralisation et risque de surapprentissage
L’intuition derrière les techniques d’apprentissage

Régression

Principaux cas d’utilisation
Régression linéaire simple
Méthode des moindres carrés ordinaire
Fonction de coût et algorithme du gradient
Régularisation : régression ridge et lasso
Les différents types de régression : multiple, polynomiale, SVR, arbre de décision, random forest, etc
Les métriques de la régression

Classification

Principaux cas d’utilisation
Régression logistique
Méthode des k plus proches voisins (k-NN)
Machine à vecteurs de support (SVM)
Kernel SVM
Classification naïve bayésienne (Naive Bayes)
Classification avec un arbre de décision et random forest
Les métriques de la classification

Clustering (segmentation)

Principes et principaux algorithmes
Méthode des k-moyennes (k-means)
Clustering hiérarchique
Clustering par densité

Introduction au Deep Learning (apprentissage profond)

Présentation générale et principes du Deep Learning
Les réseaux neuronaux artificiels
La bibliothèque TensorFlow
Cas d’utilisation, défis et perspectives

Nos autres formations Big Data

AF27098Formation Machine Learning New Formation ! 32 sessions prévues3 jours1950 €HT
AF26712Formation Certification Big Data Foundation New Formation ! 31 sessions prévues3 jours2190 €HT
AF11182Formation Big Data Etat de l’art 34 sessions prévues2 jours1290 €HT
Vous pouvez également être intéressé par des formations apprentissage automatique, big data, chatbot, deep learning, IA, intelligence artificelle, machine learning, Python ou par les formations de notre filière Big Data
A propos de Machine Learning
Le Machine Learning (ou apprentissage automatique) est un domaine de l’informatique dérivé de l’intelligence artificielle et qui permet aux systèmes d’« apprendre », sans avoir été spécifiquement programmés à cet effet. Cet apprentissage se base sur l’analyse de très grands volumes de données, à partir desquels les technologies de Machine Learning permettent d’extraire des modèles de prédiction et de prise de décision. L’apprentissage automatique tire son intérêt dans l’utilisation conjointe de quantités massives de données et d’algorithmes d’apprentissage, ce qui permet la résolution de problèmes jusqu’alors insurmontables. De fait, Big Data et Machine Learning sont étroitement liés. L’avènement des réseaux sociaux, l’explosion des capacités de stockage ou encore l’émergence de l’Internet des Objets offrent aux entreprises des quantités considérables de données à exploiter. Le Big Data a ainsi permis d’accélérer la courbe d’apprentissage des modèles de Machine Learning de manière significative : plus un système a de données à analyser, plus il apprend et plus il devient performant. En savoir plus
Prixà partir de
1950 €HT
RéférenceAF27098
Durée3 jours
Public Architectes, Chefs de Projet, Développeurs, Ingénieurs
PrérequisConnaissance d’un langage de programmation, de préférence Python. Des connaissances de base en algèbre et statistiques sont conseillées pour comprendre la théorie derrière la création de modèles.
Travaux pratiques60%
Suivez l'une de
nos 32 sessions
le 26/09/2018 à Lyon
le 08/10/2018 à Paris
le 14/11/2018 à Lyon
le 19/12/2018 à Paris
le 07/01/2019 à Nantes
le 23/01/2019 à Lyon
le 23/01/2019 à Grenoble
le 12/02/2019 à Toulouse
le 13/02/2019 à Paris
le 20/03/2019 à Aix-en-Provence
le 27/03/2019 à Grenoble
le 27/03/2019 à Lyon
le 01/04/2019 à Lille
le 02/04/2019 à Paris
le 20/05/2019 à Nantes
le 22/05/2019 à Grenoble
le 22/05/2019 à Lyon
le 05/06/2019 à Toulouse
le 18/06/2019 à Paris
le 01/07/2019 à Aix-en-Provence
le 15/07/2019 à Lyon
le 15/07/2019 à Grenoble
le 04/09/2019 à Paris
le 04/09/2019 à Lille
le 16/10/2019 à Grenoble
le 16/10/2019 à Lyon
le 21/10/2019 à Nantes
le 12/11/2019 à Toulouse
le 13/11/2019 à Paris
le 09/12/2019 à Aix-en-Provence
le 31/12/2019 à Grenoble
le 31/12/2019 à Lyon
Voir toutes les dates