05 61 49 42 60
Machine Learning - Technologies et bonnes pratiques
2
j
(14
heures)
4.5/5
Les objectifs
En quelques mots...
Public
Chefs de projets, développeurs, data scientists, architectes ou toute personne souhaitant comprendre comment organiser le traitement des données et structurer les processus de Machine Learning
Pré-requis
Avoir connaissance des principes du Big Data et des architectures techniques mises en oeuvre
Méthodes et Moyens pédagogiques
Formation réalisée en présentiel ou à distance selon la formule retenue
Exposés, cas pratiques, synthèse, assistance post-formation pendant trois mois
Un poste par stagiaire, vidéoprojecteur, support de cours fourni à chaque stagiaire
Modalités de suivi et d'évaluations
Feuille de présence émargée par demi-journée par les stagiaires et le formateur
Exercices de mise en pratique ou quiz de connaissances tout au long de la formation permettant de mesurer la progression des stagiaires
Questionnaire d’évaluation de la satisfaction en fin de stage
Auto-évaluation des acquis de la formation par les stagiaires
Attestation de fin de formation
Informations pratiques
Accessibilité , modalités et délais d'accès
Programme mis à jour le 01/09/2022
Programme détaillé
INTRODUCTION
- Zoom sur les données
- - Format
- - Volumes
- - Structures
- Requêtes
- Attentes
- Utilisateurs
- Etapes de la préparation des données
- Définitions
- Présentation du Data Munging
- Le rôle du data scientist
ETUDE DE CAS
- Mise en oeuvre pratique des différentes phases
- - Nettoyage
- - Enrichissement
- - Organisation des données
MACHINE LEARNING
- Définition
- Les attentes
- Les valeurs d'observation et les variables cibles
- Ingénierie des variables
APPRENTISSAGE AUTOMATIQUE
- Les méthodes
- - Apprentissage supervisé et non supervisé
- Classification des données
- Algorithmes
- - Régression linéaire
- - k-voisins
- - Classification naïve bayésienne
- - Arbres de décision...
LES RISQUES ET ECUEILS
- Importance de la préparation des données
- L'écueil du "surapprentissage"
VISUALISATION DES DONNEES
- L'intérêt de la visualisation
- Outils disponibles
- Exemples de visualisation avec R et Python
Ils parlent de cette formation
Test témoignage Excel - Initiation
Marcel DUPONT
Test témoignage Excel - Initiation
Maxime DUPONT
Test témoignage Excel - Initiation Test
Axel ALEX
Test commentaire Excel - Initiation
Marcel DUPONT
Test témoignage Excel - Initiation
Marcel DUPONT
Test témoignage Excel - Initiation
Marcel DUPONT
Test témoignage Excel - Initiation
Marcel DUPONT
Test témoignage Excel - Initiation
Marcel DUPONT
Test témoignage Excel - Initiation
Marcel DUPONT