-
durée :
3 jours
-
niveau :
intermédiaire
-
lieu :
La Défense / À distance
-
coût :
2250€ HT
DATASCIENCE : Machine Learning
- Vous souhaitez avoir des connaissance avancées en Machine Learning.
- Mise en place des pipeline, création des modèles, outillage, ML supervisé et non supervisé, Data visualisation, Python, etc.
- LES OBJECTIFS DE LA FORMATION
- Savoir mettre en place un pipeline de Machine Learning.
- Connaître les différentes types de Machine Learning.
- Utiliser les packages pour la création de modèles de Machine Learning.
- Connaître les étapes d’un projet de Machine Learning.
- MOYENS PÉDAGOGIQUES
Exercices, supports et projets.
- MODALITES D’ÉVALUATION
L’évaluation s’effectue tout le long de la formation.
À QUI S’ADRESSE CETTE FORMATION ?
Public
Pré-requis
Compétences visées
Data Analysts, Développeurs Python,
Business Analysts, Statisticiens.
Avoir des bases en Python.
Savoir mettre en place un modèle de Machine Learning robuste.
Bien choisir son modèle.
Analyser les performances d’un modèle.
PROGRAMME DÉTAILLÉ
OBJECTIF PÉDAGOGIQUE
THÈMES À ABORDER
JOUR 1
PYTHON & DATA SCIENCE
- Introduction rapide à Python
- Introduction à Pandas
- Qu’est ce que la data science?
PYTHON & DATA VISUALISATION
- Introduction à la datavisualisation
PYTHON & DATA CLEANING
- Nettoyage de la donnée
MACHINE LEARNING SUPERVISE (1/2)
- Introduction au Machine Learning
- Machine Learning – Les outils
- Modèles de régression
- Overfitting
- Variables catégorielles
JOUR 2
MACHINE LEARNING SUPERVISE (2/2)
- Concepts derrière les modèles linéaires
- L’état de l’art en Machine Learning
- Projet – Prédire le nombre de clients d’une entreprise de location de vélo
- Intro: Interprétabilité des modèles
- Interprétation Global
- Interprétation Local
MACHINE LEARNING NON-SUPERVISE (1/2)
Différents types de Machine Learning non-supervisés – Clustering
JOUR 3
MACHINE LEARNING NON-SUPERVISE (2/2)
Différents types de Machine Learning non-supervisés – Réduction de dimension
MACHINE LEARNING & OUTILS
Présentation des outils low-code et no-code – Démonstration Dataiku
NATURAL LANGUAGE PROCESSING
Introduction au NLP – Travailler avec la donnée texte
PROJET FINAL
Projet de classification de commentaires – exercices NLP de sentiment analysis pour une grande enseigne sportive
INTRODUCTION AU DEEP LEARNING
Introduction au deep learning, différences entre Machine Learning & Deep Learning
- LE FORMATEUR
Data Scientist expert avec une spécialisation en NLP (donnée textuelle).