Aller au contenu principal
Afficher le fil d'ariane

AMBIENT IT : 20. Machine learning, l'état de l'art

Organisme

AMBIENT IT
140 AV JEAN LOLIVE
93500 PANTIN
Voir toutes ses formationsAutres organismes proposant cette formation

Durée

14 heures

Modalités

Formation

  • Classe virtuelle
  • Présentiel

Évaluation

Travaux pratiques, QCM de validation des acquis, évaluation à chaud et à froid.

Prix

Inter
La formation en Inter est dispensée pour un groupe de salariés d’entreprises différentes.
630€ HT / personne
Intra
La formation en Intra est dispensée pour un groupe de salariés d’une seule et même entreprise.
2520€ HT / groupe
4 stagiaires minimum

Public

Toute personne souhaitant comprendre les mécanismes et les bénéfices du Machine Learning : dirigeants d'entreprise, DSI, responsables informatiques, consultants, responsables de projets Big Data…

Pré-requis

Avoir une culture informatique générale. Posséder des notions de probabilités et statistiques est recommandé.  

Objectifs pédagogiques

Comprendre les concepts d’apprentissage automatique et l’évolution du Big Data vers le Machine Learning

Appréhender les enjeux de l'utilisation du Machine Learning, incluant les bénéfices attendus et des exemples d’usage

Identifier le positionnement du Machine Learning dans la chaîne de traitement de la donnée 

Connaitre les outils et les acteurs leaders du marché 

Découvrir les principaux algorithmes et la démarche projet à appliquer selon les cas d'usages en entreprise

Identifier les clés de réussite d'un projet intégrant du Machine Learning

Programme détaillé

1.QU’EST-CE QUE LE MACHINE LEARNING ?

  • Le changement de paradigme, depuis les systèmes experts à l’apprentissage automatique
  • Les cas d’usage des algorithmes et leurs limites
  • Les différentes catégories d’algorithmes: Supervisé / Non-supervisé, Instances / Modèle
  • Les défis usuels: qualité des données, quantité, biais préexistants

 

2.ILLUSTRATION DES CONCEPTS SUR UN PROJET TYPE

  • Poser la bonne question
  • Trouver les données
  • Explorer les données: Visualisation et statistiques
  • Préparer les données: Outliers, Normalisation, Données catégoriques
  • Choisir et entraîner un modèle approprié
  • Évaluer les performances du modèle

 

3.MESURER LES PERFORMANCES D’UN ALGORITHME, ILLUSTRÉ PAR LA CLASSIFICATION

  • Classification binaire
  • Mesures de performance: Précision et rappel, F1, courbe ROC
  • Analyser les erreurs d’un classifieur
  • Classification multilabel

 

4.ENTRAÎNER LES MODÈLES, LE CAS DES RÉGRESSIONS

  • Régression linéaire et sa justification mathématique
  • Gradient descent et ses variantes
  • Overfit/Underfit: les détecter et y remédier
  • Régularisation: Principe, Ridge, Lasso et ElasticNet
  • Régression logistique pour la classification

 

5.SVM ET ARBRES DE DÉCISION

  • Séparer autant que possible les données, l’idée de base
  • Projection dans un espace de dimension supérieur, les kernels
  • Arbres de décision, classification et régression
  • Apprentissage d’ensemble: Forêts, boosting et stacking

 

6.RÉDUCTION DE DIMENSION

  • Curse of dimensionality
  • Projection vs Manifolds
  • PCA, l’approche canonique
  • PCA avec Kernels
  • LLE, T-SNE, etc.

Sessions

Filtrer les résultats

63 résultats

Modalités pédagogiques
Formation synchrone se déroulant avec la présence physique du (des) formateur(s) et du (des) apprenant(s) réunis dans un même lieu de formation.
Formation combinant des séquences en présentiel et des séquences à distance synchrones ou asynchrones.
Formation à distance, asynchrone, s’appuyant sur une plateforme d’apprentissage, pouvant être complétée par d’autres modalités de formation à distance (visio-conférence…)
Formation à distance, synchrone, s’appuyant sur un dispositif de visio-conférence. La classe virtuelle recrée à distance les conditions d’une formation en salle traditionnelle.
Type de formation
La formation en Inter est dispensée pour un groupe de salariés d’entreprises différentes.
La formation en Intra est dispensée pour un groupe de salariés d’une seule et même entreprise.
Options
Ces sessions ne peuvent être ni annulées ni reportées par l’organisme de formation.

0 résultat