Nous utilisons des cookies pour vous fournir l'ensemble de nos services, notamment la recherche et les alertes. En acceptant, vous consentez à notre utilisation de ces cookies.
Choisir mes préférences
- Le Machine Learning avec Python
Le Machine Learning avec Python
Objectifs
Programme
- Comprendre les principes de l'apprentissage et les principaux algorithmes
- Appliquer les étapes du processus d'apprentissage sur des cas réels sous Python (modèles prédictifs, réduction de dimension et clustering)
- Connaître les bonnes pratiques et les conditions d'application selon les cas d'usage
En tant qu'acteur phare du marché de la data français, Epsilon vous propose une formation pour comprendre et mettre en œuvre le Machine Learning à travers Python. Le Machine Learning comprend des techniques, méthodes et algorithmes permettant d'apprendre à partir de données. Les résultats de cet apprentissage sont composés de modèles, règles et pipelines de transformation qui vont être utilisés pour expliquer des phénomènes et/ou construire une solution d'Intelligence Artificielle capable de prendre des décisions automatiques.
Public visé
- Data Scientist / Data Miner / Data Analyst
- Profil Data / BI / BigData
- Utilisateur de bases de données sachant coder
Prérequis
- Connaissances de base en statistiques et mathématiques
- Connaissances de base en traitement de fichiers et de données
- Connaissances de base en python
Méthodes pédagogiques
Alternance des modalités pédagogiques : exposé, démonstrations pratiques, échanges collectifs, quiz collectifs, exercices pratiques et remise du support de formation.
50 % du temps global de la formation est dédié aux exercices
MODULE 1 : FONDAMENTAUX
- Liens IA, Data Science, statistiques
- Standards, vocabulaire
- Librairie scikit-learn, comparaison avec R
MODULE 2 : L'APPRENTISSAGE
- Algorithmes : classification, régression, clustering, rules, anomaly, recommendation
- Techniques : split, grid-search / cross validation, métriques, normalisation...
- Fonction de perte, descente de gradient
- Feature engineering : exemples sur les données textuelles, sparse matrix
MODULE 3 : APPRENTISSAGE SUPERVISÉ
- Algorithmes supervisés : régression pénalisée, randomforest, boosting
- Applications de type analyse prédictive, score
- Introduction au Deep Learning
- TP : construction d'un modèle de prédiction du churn
MODULE 4 : APPRENTISSAGE NON SUPERVISÉ
- Analyse factorielle et réduction des dimensions
- Techniques de clustering
- Applications : clustering d'individus, réaffectation avec KNN
- TP : construction d'un clustering et portraits robots
Modalités d'évaluation
Notre auto-évaluation permet d'apprécier les acquis apportés par l'action de formation
Informations complémentaires
Accessibilité :
Si un bénéficiaire a des contraintes particulières liées à une situation de handicap, veuillez nous contacter au préalable afin que nous puissions, dans la mesure du possible, adapter l'action de formation
Choisissez une date pour pouvoir réserver !
Autres formation Le Machine Learning avec Python
Autres formations disponibles :