Formation fondamentaux Data Science et Machine Learning avec Python
Objectif et modalités
Objectif : Les stagiaires découvrent différentes méthodes d’exploration de données et apprennent à les maîtriser. Ils sont initiés aux principaux algorithmes de Machine Learning ainsi qu’à la modélisation statistique. A l’issue de la formation ils sont capables d’évaluer les performances prédictives des algorithmes afin de choisir le plus pertinent.
Durée : 3 jours (7h par jour) - Possibilité de distancer les journées dans le temps
Prix : 1200€ (Tarif HT par participant, soit 400€ HT / jour. Entreprises : contactez nous pour un devis personnalisé)
Prérequis : bases en statistiques et connaissances générales sur Python
Un programme de formation complet
Introduction
-
Rappels mathématiques : probabilités, loi normale, corrélation
-
Rappel sur Python : types de données, importation-exportation, tracé de graphiques
-
Python : les librairies à connaître
-
Présentation de projets concrets de Machine Learning réalisés par DataGenius : objectifs, difficultés et résultats
-
Introduction à Jupyter Notebook
Travaux pratique 1 : librairies utiles de Python
-
découverte et prise en main de Pandas
-
découverte et prise en main de Numpy
Les données : dataprep
-
Collecte des données : différentes sources, différents outils
-
Formats variés : Text Mining, traitement d'images etc.
-
Transformations des données : augmentation, réduction, normalisation
-
Analyse en Composantes Principales (PCA)
Modélisation
-
Catégorisation des algorithmes
-
Algorithmes supervisés et algorithmes non supervisés
-
Processus de choix d'un algorithme
-
Comment construire un modèle
Procédures d'évaluation de modèles
-
Les techniques de rééchantillonnage en jeu d'apprentissage, de validation et de test
-
Outils de mesure de performance
Algorithmes de Machine Learning supervisés : régression
-
Les différentes régressions : linéaire, linéaire multivariée, polynomiale, non linéaire, etc.
-
Construction de l’arbre de décision
-
Autres algorithmes
-
Régression et réseaux de neurones
Travaux Pratique 2 : régression
-
Préparation des données
-
Analyses exploratoires
-
Choix du modèle
-
Entraînement
-
Evaluation des performances et comparaison
Algorithmes de Machine Learning supervisés : classification
-
Classifications : K-Nearest Neighbors, Naives Bayes, decison tree
Algorithmes de Machine Learning non supervisés
-
Clusterings : principes, cas d'usages, pièges
-
Notions de distance : distance Euclidienne, distance de Manhattan
-
Les différents clusterings : K-means clustering, clusterings hiérarchiques
Ouverture : initiation au Deep Learning
-
Les réseaux de neurones
-
Présentation de TensorFlow
Travaux Pratique 3 : classification et clustering
-
Préparation des données
-
Analyses exploratoires
-
Choix du modèle
-
Entraînement
-
Evaluation des performances et comparaison
Pourquoi nous choisir pour vous former ?
Nous sommes un centre agréé de formation, gage de la qualité de nos formations en Data Science et en Intelligence Artificielle, de notre équipe pédagogique et du suivi des stagiaires.
Nous avons une expérience de part notre activité de conseil dans la réalisation de projets de Data Science et d’Intelligence Artificielle offrant une excellente connaissance théorique mais aussi une très bonne vision sur l’application “réelle” en entreprise de l’Intelligence Artificielle et de la Data Science.
Nous proposons une approche très pragmatique avec des travaux pratiques adaptables aux données du client pour faciliter et accélérer la réalisation de projets internes.
Nous vous formons dans toute la France ou alors dans nos locaux à Lyon. Cette formation est également proposée en distanciel.
Prochaines dates
Voici les dates des prochaines sessions inter-entreprises :
-
Mercredi 1er septembre 2021 au vendredi 3 septembre 2021
-
Mercredi 29 septembre 2021 au vendredi 1er octobre 2021
-
Mercredi 27 octobre 2021 au vendredi 29 octobre 2021
-
Mercredi 24 novembre 2021 au vendredi 26 novembre 2021
-
Mercredi 22 décembre 2021 au vendredi 24 décembre 2021
Vous êtes intéressés par la formation : contactez nous !
Par mail
Par téléphone