Data Science avec Python (Scikitlearn)
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 :
- Utiliser Scikitlearn pour créer des modèles d'apprentissage machine
- Concevoir des expériences et interpréter les résultats des tests A/B
- Visualiser l'analyse de clustering et de régression en Python à l'aide de Matplotlib
- Produire des recommandations automatisées de produit ou de contenu avec des techniques de filtrage collaboratif
- Appliquer les meilleures pratiques en matière de nettoyage et de préparation de vos données avant l'analyse.
| Tarif |
A partir de 2 280,00 € |
| Durée | 3 jours (21h00) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
A partir de 2 280,00 € |
| Durée | 3 jours (21h00) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Programme
Jour 1
Introduction à la Data Science (la science des données)
- Qu'est-ce que la Data Science ?
- Définition
- Différence entre statistiques et Data Science
- Champs d'application de la Data Science
- Outils et algorithmes pour faire de la Data Science
- Les méthodes de Machine Learning (apprentissage automatique)
- L'apprentissage supervisé
- L'apprentissage non supervisé
- L'apprentissage renforcé
Le langage de programmation Python - Bases
- Introduction à Python
- Les structures / propriétés / fonctions spéciales
- La Programmation Orientée Objet (POO)
- La bibliothèque standard
Le langage de programmation Python - Avancé
- Notions avancées de Python
- Respecter de bonnes pratiques de développement
- Manipuler les librairies NumPy, SciPy, Pandas et Matplotlib
Préparation de données pour la Data Science
- Pourquoi la préparation des données est-elle si importante en Data Science ?
- Étapes de préparation des données (du nettoyage des données à la compréhension des données)
Jour 2
Exemples de travaux pratiques sur Scikitlearn (à titre indicatif)
- Maîtriser les techniques d'apprentissage automatique et d'exploration de données avec Scikitlearn de Python
- Extraction de caractéristiques et prétraitement
- Réduction de la dimensionnalité avec l'Analyse des Composants Principaux (PCA)
- Analyse de régression linéaire, multi-linéaire, polynomiale, logistique et régularisation
- Classification supervisée
- Classification non supervisée et régression avec arbres de décision
- K-means clustering
- Perceptron et le Support des Machines Vectorielles (SVM)
- Réseaux de neurones artificiels
Jour 3
Exemples de travaux pratiques sur Scikitlearn (à titre indicatif) - Suite
- Maîtriser les techniques d'apprentissage automatique et d'exploration de données avec MLlib d'Apache Spark
- Analyse en composantes principales
- Analyse de régression
- K-means clustering
- Train / Test et validation croisée
- Méthodes bayésiennes
- Arbres de décision et forêts aléatoires
- Régression multivariée
- Modèles multiniveaux
- Support des Machines Vectorielles (SVM)
- Apprentissage par renforcement
- Filtrage collaboratif
- K plus proche voisin
- Le compromis biais / variance
- Apprentissage d'ensemble
- Fréquence de terme / Fréquence inverse de documents
- Conception expérimentale et A/B testing
Cas d'usage particuliers de Data Science
- Algorithmes de classification / supervisés et non supervisés
- Classification des itinéraires / chemins (basée sur les matrices origines / destinations temporelles)
- Détection de mode de transport ou forme de mobilité à partir de jeux de données images
- Algorithmes de recommandation
- Filtrage collaboratif pour les recommandations : basé sur le contenu, les éléments, l'utilisateur ou filtrage hybride
- Clustering pour les recommandations
- Deep Learning pour les recommandations
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
Prérequis
Public
Ces formations pourraient vous intéresser
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Identifier les principaux risques touchant les solutions de traitement des données massives
- Décrire le cadre juridique (RGPD)
- Reconnaître les principales solutions techniques de base pour vous protéger des risques : SSO, Kerberos, chiffrement
- Mettre en oeuvre une politique de sécurité pour traiter les risques, les menaces, les attaques
- Sécuriser un cluster Big Data On-Premise ou sur le Cloud.
| Tarif |
A partir de 1 520,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
Comprendre la notion de donnée de référence - créer un référentiel - spécifier un modèle de données de référence - créer et maintenir un MDM| Tarif |
A partir de 2 275,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Définir une stratégie Data ambitieuse et réaliste
- Evaluer les priorités Data de l'organisation en fonction de l'état des lieux et de la vision
- Identifier les meilleures technologies disponibles et leur articulation / complémentarité
- Analyser les besoins et attentes des parties prenantes et implémenter une démarche de transformation DataOps robuste (conduite du changement).
| Tarif |
A partir de 3 800,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
- Intégrer les compostants Big Data pour créer un Data Lake approprié - Sélectionner des entrepôts de Big Data adaptés pour gérer plusieurs ensembles de données - Traiter des ensembles de données volumineux avec Hadoop pour faciliter la prise de décisions techniques et métier - Interroger des ensembles de données volumineux en temps réel| Tarif |
A partir de 2 070,00 € |
| Durée |
3j / 21h |
| 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
- Réaliser des présentations de données de qualité pour tous types d’audience
- Construire des schémas narratifs cohérents et convaincants à partir de jeux de données
- Acquérir la bonne posture pour devenir acteur de ses présentations
- Se constituer une boîte à outils et mettre en œuvre les meilleures pratiques de visualisation
| Tarif |
A partir de 800,00 € |
| Durée |
1 jour |
| Modes |
|
Objectifs de la formation
- Comprendre et connaître les nouvelles tendances IT
- Comprendre l'économie du numérique et ses acteurs
- Comprendre internet, le matériel et les technologies de rupture, de réseau et du Cloud
- Appréhender la cybersécurité et la protection du Système d'Information
- Comprendre le développement logiciel, web et l'architecture des applications
- S'informer sur le Big Data et les technologies d'Intelligence Artificielle
| Tarif |
A partir de 2 100,00 € |
| Durée |
3 jours |
| Modes |
|
Objectifs de la formation
- Comprendre les enjeux de la donnée à travers les outils BI du marché
- Prendre en main les solutions Tableau, Power BI, Google Data Studio
- Créer son premier tableau de bord
| Tarif |
A partir de 2 050,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
- Créer une conception technique
- Configurer Common Data Service
- Créer et configurer Power Apps
- Configurer l'automatisation des processus d'entreprise
- Étendre l'expérience utilisateur
- Élargir la plate-forme
- Développer les intégrations
| Tarif |
A partir de 3 150,00 € |
| Durée |
5j / 35h |
| 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 |
18 jours (126 heures) |
| Modes |
|
