Machine Learning - Tronc Commun 2 - MLTC2

Durée de la formation

3 jours – 21 heures

Effectifs

5 à 15 personnes

Objectifs de la formation

  • Approfondir la compréhension théorique des principaux modèles utilisés en apprentissage automatique
  • Savoir implémenter des modèles dédiés
  • Connaître les principaux outils de calcul numérique en Python (numpy/scipy)
  • Connaître le modèle objet de scikit-learn pour intégrer ses propres modèles

Atouts - Bénéfices de la formation

  • Une mise en perspective des algorithmes courants d’apprentissage automatique.
  • La mise en évidence des propriétés de ces algorithmes et des opportunités d’adaptation.
  • Une formation articulée autour de cas d’études réalistes
  • Un support de cours exploitable et personnalisé

Parcours de formation possible

  • NLP
  • Recherche opérationnelle

Moyens pédagogiques

  • Présentation théorique des principaux algorithmes
  • Exercices pratiques pour en comprendre les principales propriétés
  • Utilisation des notebooks Jupyter pour intégrer explications théoriques et applications pratiques
  • Exercices d’implémentation de variantes des algorithmes présentés

Dispositif de suivi et d'évaluation de la formation

  • Feuille de présence
  • Mise en situation
  • Formulaire d’évaluation de la formation

Formateur

Alexis Mignon est docteur en informatique spécialisé en vision par ordinateur et apprentissage automatique. Il travaille depuis 7 ans chez Probayes en tant qu’ingénieur recherche et développement et chef de projet sur des sujet d’apprentissage automatique. Il utilise Python dans le cadre de son travail et de ses projets personnels depuis plus de 15 ans.

Programme détaillé

  • Calcul scientifique avec numpy / scipy
  • Les principales tâches d’apprentissage supervisé (classification / régression)
  • Les estimateurs scikit-learn (classifieurs / régresseurs)
  • Les modèles linéaires (moindres carrés, classification, modèles robustes, régularisation)
  • Implémentation d’un modèle linéaire dédié
  • Utilisation de bibliothèque optimize
  • En fonction du temps disponible :
    • Les arbres de décision
    • Les méthodes ensemblistes (Bagging, Gradient Boosting, Stacking…)
    • Implémentation d’un model gradient boosting dédié
    • Les méthodes à noyaux (astuce du noyau, Kernel Ridge, SVR, SVC, Processus gaussiens, …)
    • Les réseaux de neurones (perceptron multicouche)
    • Implémentation d’un algorithme dédié par réseau de neurones

Publics

Les data scientists voulant approfondir leur compréhension des algorithmes courants et apprendre les outils permettant de mettre en œuvre des algorithmes dédiés de manière réutilisable.

Prérequis

  • Connaissance pratique des principaux algorithmes utilisés en apprentissage automatique
  • Savoir utiliser scikit-learn
  • Machine Learning – Tronc commun 1 – MLTC1
  • Bonne connaissance des bases mathématiques en statistiques, analyse, algèbre linéaire

Méthode d'évaluation

Auto-évaluation
Auto-évaluation
La formation se déroule sur 3 journées (7h chaque jour) de 9h30 à 12h30 et de 14h à 18h / Les formations sont accessibles à tous handicaps. Merci de nous contacter pour adapter la formation à vos besoins spécifiques.
Inter : 2990€* / Intra : dur devis *Prix HT par stagiaire. Repas non compris

Prix par stagiaire. Repas du midi non inclus.

Non renseigné

Téléchargez le détail de la formation en PDF

Cette formation vous intéresse ?

Cette formation n’est actuellement pas ouverte aux inscriptions

Les données vous concernant font l’objet d’un traitement informatique destiné à la gestion des candidatures soumises à Probayes. Ces données sont traitées de manière confidentielle. Seules les personnes habilitées de notre société pourront accéder à vos données à des fins strictement internes. Vos données sont conservées pour une durée maximale de 24 mois après la date de notre dernier contact. Conformément à la réglementation applicable en matière de protection des données personnelles, entrée en application le 25 mai 2018, vous disposez d’un droit d’accès, de rectification, d’opposition, de limitation du traitement, de portabilité et d’effacement. Ces droits peuvent être exercés aux adresses suivantes (veillez à préciser vos nom, prénom, adresse postale et à joindre une copie recto-verso de votre pièce d’identité à votre demande) :

– rgpd@probayes.com– Probayes – 53 Avenue Kuntzmann – 38330 Montbonnot

Dans le cadre de la politique de protection des données personnelles de La Poste, vous pouvez contacter Madame la Déléguée à la Protection des Données, CP C703, 9 rue du Colonel Pierre Avia 75015 PARIS. En cas de difficulté dans la gestion de vos données personnelles, vous pouvez introduire une réclamation auprès de la CNIL.

Contactez-nous

Logo Probayes

N° SIRET : 45053883000073
Code NAF : 6202A
TVA : FR72 450 538 830
Déclaration d’activité enregistrée sous le numéro 84 38 06761 38 auprès du préfet de la région Auvergne-Rhône-Alpes. Cet enregistrement ne vaut pas agrément de l’Etat.

Ces formations peuvent également vous intéresser

Traitement Automatique des Langues en Python – TAL1

Cette formation a pour objectif de vous faire connaître les traitements basiques des données textuelles en Python et les principales méthodes d’analyse de données textuelles pour les appliquer sur un jeu de données

> Voir la formation – à venir

Traitement Automatique des Langues pour Chatbot – TAL2

Cette formation a pour objectif de vous faire connaître les traitements basiques des données textuelles en Python et les principales méthodes d’analyse de données textuelles pour les appliquer sur un jeu de données

> Voir la formation – à venir

Pas de prochaines sessions à venir
Cette formation est la troisième d’une série de formations autour de la data science et du langage Python. Alors que la précédente formation présentait la manipulation de données en Python, cette formation présente les principaux outils et concepts utilisés en apprentissage automatique. Elle s’articule autour de deux projets d’apprentissage automatique ou toutes les étapes habituelles sont abordées : • Analyse exploratoire des données • Préparation des données • Modélisation (apprentissage automatique) • DéploiementLes supports de formation sont rédigés en anglais, toutefois les sessions sont données en français.
Pas de prochaines sessions à venir
Cette formation est la première d’une série de formations autour de la data science et du langage Python. Cette première formation a pour but de présenter les bases du langage Python.Les supports de formation sont rédigés en anglais, toutefois les sessions sont données en français.Cette formation n’est pas une initiation à la programmation (nous supposons que les participants connaissent déjà les concepts de base de la programmation), ni une formation au développement en Python (nous n’aborderons pas les notions de tests unitaires, tests fonctionnels, intégrations continue, etc.).