Formation Python, Data Science & Machine Learning tronc commun 01 Mixte : présentiel / à distance

• 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

• Savoir utiliser les cahiers (notebooks) Jupyter
• Connaitre Python ou avoir suivi la formation Python pour la Data Science - Le Langage Python - PY1
• Connaitre les bases de la manipulation de données en Python ou avoir suivi la formation Python pour la Data Science - Le Langage Python - PY2
• Connaître les mathématiques de base en statistiques, analyse (gradients), algèbre linéaire (matrices, vecteurs, etc.)

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

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :

• Formation en présentiel
• En groupe (inter-entreprises ou intra-entreprise)
• En individuel (monitorat)
• En journée ou en cours du soir (sur demande spécifique)
• Formation en distanciel
• Distanciel synchrone
• Distanciel asynchrone

• 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

En amont de la formation (évaluation en ligne dans l'extranet apprenant)

• Recueil des besoins et des attentes des participants.
• Auto-positionnement permettant d'évaluer le niveau initial des apprenants.

Tout au long de la formation

• Évaluations continues réalisées par le formateur travers des questions orales, exercices, QCM, études de cas et mises en situation pratiques.
  
  

À l'issue de la formation (évaluations en ligne dans l'extranet apprenant)

• Auto-positionnement afin de mesurer l'acquisition des compétences visées.
• Validation de l'acquisition des compétences par le formateur
• Questionnaire de satisfaction « à chaud » à l'issue de la formation
• Questionnaire de satisfaction "à froid", 45 jours après la formation afin d'évaluer l'ancrage des acquis et leur mise en application en situation professionnelle.

• Admission sans disposition particulière