Big Data - Développement d'applications de Machine Learning et d'Intelligence Artificielle (IA)
Public admis
- Salarié en Poste
- Demandeur d'emploi
- Entreprise
- Etudiant
Financements
Eligible CPF Votre OPCO Financement personnel
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Développer des applications de Machine Learning et d'IA (Intelligence Artificielle) avec Spark et Python
- Utiliser la programmation parallèle sur un cluster
- Développer et optimiser des algorithmes standards de Machine Learning et d'IA
- Utiliser les bibliothèques Python pour le Machine Learning et d'IA
- Décrire le cycle de vie d'un projet Data Science.
| Tarif |
A partir de 3 800,00 € |
| Durée | 5 jours (35h00) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
A partir de 3 800,00 € |
| Durée | 5 jours (35h00) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Programme
Jour 1
Vue d'ensemble du Big Data, du Machine Learning et de l'IA
- Introduction au Big Data et à l'IA (Intelligence Artificielle) : de quoi s'agit-il ?
- Perspectives offertes par le Big Data et l'IA
- Les acteurs du Big Data et de l'IA
- Exemples pratiques
- Les technologies concernées
- Les différents métiers
- Aspects économiques (OPEX, CAPEX, TRI) du Cloud vs On-Premise
- Démonstration d'applications
Rappels sur la Data Science
- Les bases du langage Python
- Modélisation des problématiques grâce à des vecteurs et matrices
- Probabilités, statistiques, statistiques descriptives, statistiques explicatives
- Entropie, gain d'information
- Compromis biais-complexité
- La malédiction de la dimension
- Matrice de confusion
- Gérer les valeurs manquantes MCAR / MAR / MNAR
- Validation croisée
- Courbe d'apprentissage
- Fondamentaux du nettoyage des données
- Réduction de la dimension par sélection de variables et par transformation de variables
- Métriques de performance d'un modèle :
- R²
- Accuracy
- Prrécision et rappel (recall)
- F1-score
- AUC
- P-valeur
Exemples de travaux pratiques (à titre indicatif)
- Chargement, exploration, analyse, nettoyage, et premières modélisations sur un jeu de données
Jour 2
Machine Learning et IA : algorithmes
- Les concepts du Machine Learning et de l'IA
- Les données supervisées ou non supervisées : quelles différences ?
- Les librairies :
- Scikit-learn
- Tensorflow
- PyTorch
- Keras
- Régression
- Modèles linéaires
- Classification
- Naive Bayes
- K-NN
- K-Means clustering
Exemples de travaux pratiques (à titre indicatif)
- Mise en oeuvre des algorithmes vus en fonction de la finalité recherchée (régression, classification, imputation de valeurs manquantes) et en utilisant les librairies Scikit-learn et Keras
Jour 3
Machine Learning et IA : algorithmes (suite)
- DBScan
- Arbres de décision et de régression
- Support Vector Machines (SVM)
- Réseaux de neurones et apprentissage profond (Deep Learning)
- Réseaux convolutifs, réseaux récurrents
Exemples de travaux pratiques (à titre indicatif)
- Modélisations avancées (DL, CNN, RNN) avec optimisation des architectures et hyper-paramètres
Jour 4
Développer avec Spark
- Introduction à Apache Spark
- Faire du Machine Learning avec Apache Spark MLlib
- Traiter les données en temps réel avec Apache Spark Streaming
- Faire des requêtes au format SQL avec Apache Spark SQL
- Modélisation de réseaux sociaux grâce à des graphes avec Apache Spark GraphFrames
- Démonstration du travail collaboratif avec MLFlow
Exemples de travaux pratiques (à titre indicatif)
- Exercices d'application avec Spark MLlib/Streaming/SQL/GraphFrames
- Mise en oeuvre de MLFlow pour comparer les modèles
Jour 5
Outil de visualisation des données (ou Dataviz)
- Définition de la Dataviz
- Les acteurs de la Dataviz
- Principes de la Dataviz
- Exemples d'analyse (sous forme de démo) :
- Bibliothèques de Dataviz de Python
- Tableau Desktop / Public
- Microsoft Power BI
Introduction à MLOps et aux architectures serverless
- Les approches DevOps et GitOps
- Bases de la conteneurisation et de l'automatisation
- Les architectures serverless
- Développer et déployer des applications MLOps en production (démo)
- Monitoring et amélioration continue des applications MLOps (démo)
Exemples de travaux pratiques (à titre indicatif)
- Prise en main de Tableau ou MS Power BI
- Utilisation de librairies Python (Matplotlib, Seaborn)
- Création et exécution d'un pipeline MLOps avec serving et monitoring du modèle
Examen M2i (en option)
- Prévoir l'achat de l'examen en supplément
- L'examen (en français) sera passé le dernier jour, à l'issue de la formation et s'effectuera en ligne
- Il s'agit d'un QCM dont la durée moyenne est d'1h30 et dont le score obtenu attestera d'un niveau de compétence
- L'examen n'est pas éligible au CPF, mais permettra néanmoins de valider vos acquis
Le contenu de ce programme peut faire l'objet d'adaptation selon les niveaux, prérequis et besoins des apprenants.
Modalités d’évaluation des acquis
- En cours de formation, par des études de cas ou des travaux pratiques
- Et, en fin de formation, par un questionnaire d'auto-évaluation et/ou un examen M2i
Les + de la formation
Un examen M2i permettant de valider vos acquis à l'issue de la formation est disponible sur demande (coût : 120€).
Prérequis
Public
Ces formations pourraient vous intéresser
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Fournir et gérer un stockage qui répond aux exigences de disponibilité et de performance des applications
- Déployer Red Hat OpenShift Data Foundation sur un cluster Red Hat OpenShift en utilisant un stockage local ou Cloud
- Sélectionner et configurer des classes de stockage en fonction des exigences de la charge de travail
- Surveiller et étendre de manière proactive la capacité de stockage
- Créer et attacher des snapshots et des clones de volumes persistants.
| Tarif |
Contacter l'organisme |
| Durée |
5j / 26h |
| Modes |
|
Objectifs de la formation
- Cette formation fait l'objet d'une évaluation formative.
| Tarif |
Contacter l'organisme |
| Durée |
2 jours (14 heures) |
| Modes |
|
Objectifs de la formation
- Approfondir la connaissance de la programmation orientée objet en Java
- Maîtriser l'utilisation des bibliothèques Java standards
- Comprendre et utiliser les principes de la programmation fonctionnelle en Java
- Comprendre et utiliser les principes du développement d'applications Java EE
- Apprendre à utiliser des outils de tests unitaires et d'intégration continue
- Comprendre et utiliser des principes avancés de conception et d'architecture logi-cielle en Java
| Tarif |
A partir de 2 750,00 € |
| Durée |
5 jours |
| Modes |
|
Objectifs de la formation
- Comprendre les opportunités de l’intelligence artificielle dans votre stratégie de recrutement à chaque étape du processus
- Intégrer des solutions d’intelligence artificielle dans votre contexte professionnel : Aligner l’outil avec les objectifs et valeurs votre entreprise
- Utiliser des outils d'analyse augmentée via l’IA pour améliorer votre guide d’entretien et accompagner vos décisions
| Tarif |
A partir de 1 450,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Cette formation fait l'objet d'une évaluation formative.
| Tarif |
Contacter l'organisme |
| Durée |
4 jours (28 heures) |
| Modes |
|
Objectifs de la formation
- Pendant la formation, le formateur évalue la progression pédagogique des participants via des QCM, des mises en situation et des travaux pratiques. Les participants passent un test de positionnement avant et après la formation pour valider leurs compétences acquises.
| Tarif |
Contacter l'organisme |
| Durée |
8 jours (56 heures) |
| Modes |
|
Objectifs de la formation
- Comprendre le fonctionnement sous-jacent de DALL-E et des modèles similaires
- Appréhender les principales utilisations et applications de DALL-E
- Utiliser les différentes fonctionnalités de DALL-E
- Identifier les enjeux éthiques, les limites et les considérations de sécurité liés à l'utilisation de DALL-E
| Tarif |
A partir de 1 390,00 € |
| Durée |
1j / 7h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Transformer vos Datas en tableaux de bords personnalisés et faciles à partager
- Faire un reporting efficace
- Connecter différentes sources de données
- Créer des variables calculées
- Fusionner des données
- Utiliser les meilleures techniques de Data Visualisation, pour un tableau de bord efficace
- Implémenter et mettre en oeuvre Looker Studio (Google Data Studio) pour produire des rapports et tableaux de bords en gagnant du temps.
| Tarif |
A partir de 760,00 € |
| Durée |
1j / 7h |
| Modes |
|
Objectifs de la formation
- Comprendre ce qu’est l’IA, la data, et être en mesure d’interagir avec confiance avec les équipes data d’une organisation
- Définir les principes fondamentaux du machine learning et leur pertinence pour le secteur de la vente
- Appliquer des techniques de data science (régression, web scraping, feature engineering...) pour améliorer les processus commerciaux
- Concevoir et mettre en œuvre des stratégies de vente efficaces en utilisant l'IA générative et ChatGPT pour des tâches telles que la prospection, la préparation de rendez-vous et la rédaction de propositions de vente
- Évaluer l'efficacité des applications GenAI dans les processus de vente et identifier les améliorations possibles
| Tarif |
A partir de 1 800,00 € |
| Durée |
2 jours |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Définir la notion de Blockchain
- Présenter la notion de Machine et Deep Learning
- Démontrer le rôle de la Blockchain dans les secteurs de l'assurance
- Identifier les apports de la Blockchain et du Deep Learning dans le secteur de l'assurance
- Présenter quelques exemples d'application de la Blockchain et du Deep Learning dans le secteur de l'assurance
- Construire les bases d'un projet innovant pour l'assurance utilisant la Blockchain et l'Intelligence Artificielle.
| Tarif |
A partir de 2 850,00 € |
| Durée |
3j / 21h |
| Modes |
|
