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
.png&w=3840&q=75)
- Machine learning : appliquer l’apprentissage automatique en data science
.png&w=256&q=75)
Machine learning : appliquer l’apprentissage automatique en data science
Objectifs
Programme
- Comprendre les fondamentaux de la data science
- Savoir préparer et nettoyer des données
- Être capable de réaliser des analyses statistiques et des visualisations de données
- Savoir appliquer des algorithmes de machine learning et d'apprentissage profond
- Être en mesure de communiquer les résultats de manière efficace
1. INTRODUCTION À LA DATA SCIENCE
- Qu'est-ce que la data science ?
- Les différents domaines de la data science
- Les outils et langages de programmation
2. EXPLORATION ET PRÉPARATION DES DONNÉES
- Nettoyage des données
- Transformation des données
- Aggregation des données
3. ANALYSE STATISTIQUE ET VISUALISATION DES DONNÉES
- Les différentes représentations graphiques
- Les tests statistiques
- Les indicateurs de performance
4. MACHINE LEARNING
- Les algorithmes supervisés et non-supervisés
- La validation croisée
- Le feature engineering
5. APPRENTISSAGE PROFOND
- Les réseaux de neurones
- Les réseaux de neurones convolutionnels (CNN)
- Les réseaux de neurones récurrents (RNN)
Public visé
Cette formation s’adresse aux développeurs, ingénieurs ou autres métiers souhaitant comprendre et utiliser le machine learning.
Prérequis
Être muni d’un ordinateur relié à Internet, possédant une caméra, un micro et un haut-parleur.
Notions de base en programmation
Méthodes pédagogiques
L’approche pédagogique a été construite sur l’interactivité et la personnalisation : Présentation illustrée et animée par le Formateur Expert, partage d’expériences, études de cas, mise en situation réelle.
Tous les supports sont fournis par support papier, mail ou clé USB à chaque stagiaire.
Méthodologie pédagogique employée :
Chaque formation en présentiel ou en distanciel est animée par un Formateur Expert Métier sélectionné selon ses compétences et expériences professionnelles. Apport d’expertise du Formateur, quiz en début et fin de formation, cas pratiques, échanges d’expérience. Accès en ligne au support de formation.
Modalités d'évaluation
Méthodes utilisées et évaluation :
Evaluation et positionnement lors de la définition du projet pédagogique avec le(s) stagiaire(s). Un QCM est donné aux stagiaires le dernier jour de la formation pour valider leurs apprentissages. Une correction collective est effectuée par le Formateur. Une évaluation de fin de stage en direct est organisée entre le Formateur et le(s) stagiaire(s) pour recueillir et prendre en compte leurs appréciations. Une attestation de fin de stage est remise aux stagiaires.
Autres formation Machine learning : appliquer l’apprentissage automatique en data science
Sessions à la demande
Voir les formations de la même catégorieAutres formations disponibles :