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
- Décrire la philosophie de Python et identifier ses domaines d'application ;
- Mettre en place un environnement de développement pour Python ;
- Écrire des scripts en utilisant l'algorithmie de base du langage Python et les exécuter ;
- Définir et utiliser des fonctions et des modules pour la structuration des programmes ;
- Mettre en œuvre les concepts de la programmation orientée objet avec le langage Python ;
- Implémenter des classes avec des attributs et des méthodes ;
- Mettre en œuvre les concepts de la programmation objet (encapsulation, polymorphisme et héritage) ;
| Tarif |
A partir de 6 200,00 € |
| Durée |
4j / 28h |
| Modes |
|
Big Data - Développement d'applications de Machine Learning et d'Intelligence Artificielle (IA)
Proposé par M2IObjectifs 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 |
5j / 35h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Créer des flux simples de l'ETL Data Services.
| Tarif |
Contacter l'organisme |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
- Mettre en place l'environnement de développement ;
- Maîtriser l'architecture de développement de la librairie PyQt
- Utiliser des composant d'IHM
- Gérer le positionnement des composant d'IHM
- Gérer les événements des composant d'IHM
- Mettre en place et gérer l'architecture de développement MVC
- Créer une application de type MDI (Multiple Document Interface)
- Réaliser des opération de tracé
- Gérer les styles et les thème graphique
- Internationaliser une application graphique avec PyQt
- Utiliser Qt Designer pour générer du code
| Tarif |
A partir de 4 650,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Concevoir une interface graphique avec WPF
- Utiliser le Two Way Data Binding
- Gérer le positionnement des composants
- Décrire le pattern MVVM
- Utiliser et créer des composants graphiques
- Exploiter les possibilités du langage XAML
- Utiliser Microsoft Blend.
| Tarif |
A partir de 2 440,00 € |
| Durée |
4j / 28h |
| Modes |
|
Objectifs de la formation
Implémenter une couche de persistance performante avec Spring Data JPA| Tarif |
A partir de 1 275,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Gérer et mettre en place une sécurité complète sur du contenu dans SAP Analytics Cloud
- Utiliser Business Content Network pour partager du contenu entre plusieurs tenants SAP Analytics Cloud
- Auditer et surveiller l'utilisation d'un système SAP Analytics Cloud avec SAP Administration Cockpit
- Configurer SAP Analytics Cloud pour authentifier les utilisateurs en utilisant un Identity Provider personnalisé (SAP NetWeaver)
- Configurer et activer l'authentification SSO via le MFA (Multi Factor Authentication) et via les réseaux sociaux (X (ex Twitter), Facebook, LinkedIn, Google) dans SAP Analytics Cloud
- Identifier les différents types de connexion aux sources de données depuis SAP Analytics Cloud
- Installer et configurer des composants logiciels (SAP Cloud Connector, SAP Cloud Agent) pour créer et utiliser des connexions en mode Import à des sources de données On-Premise (base de données SQL, serveur de fichiers) et Cloud (SAP SuccessFactors)
- Mettre en place, créer et utiliser des connexions en mode Live (direct, SAML SSO, par tunnel) à des sources de données On-Premise (SAP HANA, SAP S/4HANA, SAP BI4) et Cloud SAP (S/4HANA Cloud, SAP HANA Cloud)
- Installer et configurer le composant SAP Data Provisioning Agent pour combiner plusieurs modèles de données dans une connexion (Blending SAP)
- Identifier les bonnes pratiques pour troubleshooter les connexions en mode Live et en mode Import.
| Tarif |
A partir de 4 100,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Souligner les avantages de la nouvelle base de données SAP "In-Memory" sur laquelle se base SAP BW/4HANA
- Décrire les nouvelles interfaces utilisées dans SAP BW/4HANA (SAP BW/4HANA Cockpit, SAP BW/4HANA Modeling Tools)
- Supporter un projet de migration de SAP BW vers SAP BW/4HANA d'un point de vue applicatif
- Décrire le cadre d'architecture SAP LSA++ et fournir des lignes directrices sur les possibilités d'adaptation d'une architecture existante
- Utiliser conjointement la modélisation native SAP HANA et les InfoProviders BW dans les scénarios dits "mixtes"
- Mettre en oeuvre les concepts de multi-température des données dans SAP BW/4HANA
- Fournir un aperçu des méthodes d'approvisionnement de données dans SAP BW/4HANA, notamment l'interface Big Data et le streaming temps réel basé sur SAP HANA Smart Date Integration
- Extraire des données, effectuer des statistiques sur BW en utilisant le concept de Core Data Services
- Décrire l'impact que SAP S/4HANA peut avoir sur une stratégie SAP BW, notamment par l'utilisation des analytiques embarqués.
| Tarif |
A partir de 4 100,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Utiliser le plug-in EsayCatalog avec InDesign
- Mettre en page des catalogues connectés et automatisables.
| Tarif |
Contacter l'organisme |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
Comprendre le processus d'intégration de données - Maîtriser l'outil Talend Open Studio et la bibliothèque de composants| Tarif |
A partir de 1 895,00 € |
| Durée |
3j / 21h |
| Modes |
|
