Dernière mise à jour : 07/07/2023
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
Découverte de cas pratiques
Analyse descriptive et visualisation
Algorithmes non supervisés :
Premiers pas avec scikit-learn
Sélection de modèles non supervisés
Apprentissage supervisé :
Les différentes familles de modèles : linéaires, arbres, ensembles, réseaux neuronaux
Les estimateurs scikit-learn
Les pipelines scikit-learn
Les stratégies de sélection de modèles et implémentation dans scikit-learn
Discussions sur la mise en production des algorithmes
Discussions sur l'intégration des algorithmes dans une démarche d'optimisation
Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux stagiaires :
• Savoir utiliser les cahiers (notebooks) Jupyter
• Connaitre Python ou avoir suivi la formation « Le langage Python – PY1 »
• Connaitre les bases de la manipulation de données en Python ou avoir suivi la formation « Exploration de données en Python - PY2 »
• Connaître les mathématiques de base en statistiques, analyse (gradients), algèbre linéaire (matrices, vecteurs, etc.)
En amont de la formation :
Tout au long de la formation :
A la fin de la formation :