Python pour la Data Science |Machine Learning tronc commun 02 Mixte : présentiel / à distance

• Approfondir la théorie des principaux modèles utilisés en apprentissage automatique
• Implémenter des modèles dédiés
• Connaître le modèle objet de scikit-learn pour intégrer ses propres modèles

• Pratiquer les principaux algorithmes utilisés en apprentissage automatique
• Savoir utiliser scikit-learn
• Avoir suivi la formation Python pour la Data Science - Machine Learning Tronc Commun 01 ou de solides connaissances en Machine Learning
• Bonne connaissance des bases mathématiques : statistiques, analyse, algèbre linéaire

• Apprentissage non supervisé
• Les transformeurs scikit-learn
• Réduction de dimension
• Clustering
• Modélisation de densité
• Auto-encodeurs
• Implémentation des pré-traitements en scikit-learn
• Apprentissage supervisé
• Les principales tâches d'apprentissage supervisé
• Les estimateurs scikit-learn
• Les modèles linéaires
• Les méthodes à noyaux
• Les arbres de décision
• Les méthodes ensemblistes
• Les réseaux de neurones

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

• Présentation théorique des principaux algorithmes
• Exercices pratiques pour en comprendre les effets
• Utilisation des cahiers (notebooks) Jupyter pour rassembler explications théoriques et applications pratiques
• Exercices d'implémentation de variantes des algorithmes
• présentés
• Apports didactiques pour apporter des connaissances communes.
• Mises en situation de réflexion sur le thème du stage et des cas concrets.
• Méthodologie d'apprentissage attractive, interactive et participative.

• Equilibre théorie / pratique : 60 % / 40 %.
• Supports de cours fournis au format papier et/ou numérique.
• Ressources documentaires en ligne et références mises à disposition par le formateur.

• Pour les formations en présentiel dans les locaux de Docaposte Institute, les stagiaires sont accueillis dans une salle de cours équipée d'un réseau Wi-Fi, d'un tableau blanc ou paperboard. Un carnet de notes est offert. Un ordinateur avec les logiciels appropriés est mis à disposition (le cas échéant).

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.

• Admission sans disposition particulière