Informatique

Machine Learning

Machine Learning

Réf 5-TEC-ML
Durée 2 jours

Objectifs

Comprendre comment organiser le traitement des données et structurer les processus de Machine Learning.

Infos

Sessions à venir

03 oct-04 oct 2022
05 déc-06 déc 2022

Certifications :

Nous consulter

Programme

Introduction au machine learning

  • Le Big Data et le machine learning.
  • Zoom sur les données et les requêtes, attentes, des utilisateurs
  • Les étapes de la préparation des données.
  • le data munging/wrangling
  • Le rôle du data scientist

Le Machine Learning

  • Définition, les attentes par rapport au Machine Learning
  • Les valeurs d’observation, et les variables cibles.
  • Ingénierie des variables
  • Comment choisir l'algorithme et les variables de l'algorithme.

Apprentissage automatique

  • Les algorithmes d'apprentissage supervisés, non supervisés
  • Classification des données
  • Les étapes de construction d'un modèle prédictif.
  • Détecter les valeurs aberrantes et traiter les données manquantes.
  • Algorithmes : régression linéaire, k-voisins, classification naïve bayésienne, arbres de décision, etc ..

Les risques et écueils

  • Importance de la préparation des données.
  • L’écueil du « surapprentissage ».
  • Les limites du Machine Learning

La visualisation des donnés

  • L’intérêt de la visualisation.
  • Outils disponibles,

Machine learning en production

  • Les spécificités liées au développement d'un modèle en environnement distribué.
  • Le déploiement Big Data avec Spark et la MLlib.
  • Le Cloud : Amazon, Microsoft Azure ML, IBM Bluemix...
  • La maintenance du modèle

Exemples de visualisation avec R et Python

En savoir +

Prérequis

Posséder une culture informatique de base.

Moyens pédagogiques

Réflexion de groupe et apports théoriques du formateur
Travail d'échange avec les participants sous forme de réunion-discussion
Utilisation de cas concrets issus de l'expérience professionnelle
Validation des acquis par des questionnaires, des tests d'évaluation, des mises en situation et des jeux pédagogiques.
Alternance entre apports théoriques et exercices pratiques (en moyenne 30 à 50%)
Remise d'un support de cours.

Possibilité de certification

Nous consulter.