Il s'agit d'une introduction aux cas pratiques de machine learning, couvrant l'analyse descriptive, les algorithmes non supervisés et supervisés, et l'utilisation de scikit-learn pour la sélection et l'implémentation de modèles. Cela inclut également des discussions sur la mise en production et l'optimisation des algorithmes.
Objectifs
Comprendre les principales tâches d'apprentissage automatique et les algorithmes associés
Comprendre les protocoles de sélection de modèles
Comprendre les enjeux du déploiement d'un algorithme d'Intelligence Artificielle
Savoir utiliser la bibliothèque scikit-learn
Savoir mettre en place une chaîne de traitement complète
Public visé
Toute personne ayant un profil technique et souhaitant s'initier à l'apprentissage automatique
Connaître les mathématiques de base en statistiques, analyse (gradients), algèbre linéaire (matrices, vecteurs, etc.)
Programme
1. Découverte de cas pratiques
2. Analyse descriptive et visualisation
3. Algorithmes non supervisés :
Réduction de dimension
Clustering
Modélisation de densité
4. Premiers pas avec scikit-learn
5. Sélection de modèles non supervisés
6. Apprentissage supervisé
Régression
Classification
7. Les différentes familles de modèles : linéaires, arbres, ensembles, réseaux neuronaux
8. Les estimateurs scikit-learn
9. Les pipelines scikit-learn
10. Les stratégies de sélection de modèles et implémentation dans scikit-learn
11. Discussions
Discussions sur la mise en production des algorithmes
Discussions sur l'intégration des algorithmes dans une démarche d'optimisation
Modalités pédagogiques
Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux stagiaires :
Formation en présentiel
En groupe (inter-entreprises ou intra-entreprise)
Formation en distanciel
Distanciel synchrone
Distanciel asynchrone
Moyens et supports pédagogiques
Alternance d'apports théoriques et de mises en pratique contextualisées.
Progression pédagogique structurée, de la compréhension à la mise en œuvre opérationnelle.
Pédagogie immersive favorisant une mise en application immédiate des compétences.
Formation interactive et participative s'appuyant sur des ateliers pratiques, études de cas et échanges collectifs (+ 60 % du temps de formation.)
Séquences pédagogiques rythmées et évaluations formatives régulières pour renforcer l'ancrage des apprentissages.
Supports de cours, ressources documentaires et références mis à disposition par le formateur
Modalités d'évaluation et de suivi
En amont de la formation
Recueil des besoins des apprenants afin de disposer des informations essentielles au bon déroulé de la formation (profil, niveau, attentes particulières...).
Auto-positionnement des apprenants afin de mesurer le niveau de départ.
Tout au long de la formation
Évaluation continue des acquis avec des questions orales, des exercices, des QCM, des cas pratiques ou mises en situation...
A la fin de la formation
Auto-positionnement des apprenants afin de mesurer l'acquisition des compétences.
Evaluation par le formateur des compétences acquises par les apprenants.
Questionnaire de satisfaction à chaud afin de recueillir la satisfaction des apprenants à l'issue de la formation.
Questionnaire de satisfaction à froid afin d'évaluer les apports ancrés de la formation et leurs mises en application au quotidien.
Informations sur l'admission
Nous consulter.
Modalités d'admission
Admission sans disposition particulière
Accessibilité
Nos formations peuvent être adaptées à certaines conditions de handicap. Nous contacter pour toute information et demande spécifique.
Si vous êtes en situation de handicap, contactez-nous avant le début de votre formation pour que nous puissions vous orienter efficacement et vous accueillir dans les meilleures conditions.
Inscription possible jusqu'à 10 jours avant le démarrage de la formation
