Formation Machine Learning : État de l'art et bonnes pratiques
Public admis
- Salarié en Poste
- Demandeur d'emploi
- Entreprise
- Etudiant
Financements
Eligible CPF Votre OPCO Financement personnel
Objectifs de la formation
Concrètement, à l'issue de cette formation Machine Learning, vous serez à même de :
- Comprendre les concepts de l’IA et la place du Machine Learning par rapport au Big Data
- Appréhender les apports concrets du Machine Learning pour les entreprises
- Positionner le Machine Learning dans les applications qui manipulent les données
- Identifier les principaux outils et acteurs du marché
- Classifier les différents algorithmes selon les cas d’usage
- Adopter une démarche projet en fonction des cas d’usages
- Identifier les risques et les éléments de réussite d’un projet basé sur le machine Learning
| Tarif |
A partir de 1 480,00 € |
| Durée | 2 jours (14h) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
A partir de 1 480,00 € |
| Durée | 2 jours (14h) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Description
Le machine learning, ou apprentissage automatique, existe depuis les années 1950. Il fonctionne grâce à la théorie des probabilités et ne s’inscrit pas dans la même logique que la programmation standard qui se structure elle autour d’hypothèses (si … alors … sinon …).
Concrètement il n’y a pas de règle de construction, le programme apprend statistiquement à l’aide de corpus déjà traduits et traverse donc une phase d’apprentissage durant lequel il traite les données et se calibre. Bien entendu, cette approche requiert des données et avec l’avènement du Big Data conjugué à la démocratisation de la puissance de calcul et des outils disponibles facilement sur le Cloud, le Machine Learning devient une réalité beaucoup plus facile à mettre en œuvre qu’auparavant.
Cette formation Machine Learning vous permettra d'accompagner un projet d’intelligence artificielle dans sa globalité, tout en étendant votre boîte à outils personnelle.
Programme
Introduction au Machine Learning
Situer le Machine Learning dans l’évolution et l’histoire du Big DataDéfinir les concepts d'Intelligence Artificielle et d’apprentissage automatique (Machine Learning)
Comprendre les différences entre l’analyse descriptive, l'analyse prédictive puis prescriptive.
Exemples d’application du Machine learning pour divers directions ou métier : marketing, vente, logistique, RH, santé, transport, la sécurité, l’énergie, la distribution, le luxe, le tourisme...
Déterminer les résultats et bénéfices attendus du Machine LearningDémonstrationDétection de transaction frauduleuse, prédiction des ventes dans l’immobilier, consommation électrique en ville
Machine Learning, outils et acteurs du marché
Identifier les bibliothèques les plus utilisées (TensorFlow, Keras, Pytorch, Scikit learn).Choisir entre les deux leaders Open Source : Python et R.
Plateformes Cloud (Azure, AWS, Google Cloud Platform) et solutions SaaS (IBM Watson, Dataïku).
Connaitre les API en ligne (IBM Watson, Microsoft Cortana Intelligence, IA AWS ..) et les chatbotsDémonstrationCréation d’un agent conversationnel (Chatbots), Système de recommandation
La donnée et les apprentissages en Machine Learning
Identifier les données structurées, semi-structurées et non structuréesChoisir la nature statistique des données (qualitatives ou quantitatives)
Définir la typologie des algorithmes :
- Apprentissage supervisé : répéter un exemple-
- Apprentissage non supervisé : découvrir les données
- Reinforcement Learning : optimisation d'une récompense
- Les autres types d'apprentissage (par transfert, séquentiel, actif...)
Faire le lien entre les mathématiques, le Big Data, l’IA et le machine LearningÉtude de casComprendre et reconnaitre les différentes typologies d’algorithmes (différences supervisé non supervisé). Nous présentons des contextes de données différents (format, volume, etc.) et des « attentes projets ». Vous devez classer les différents cas présentés par type d’algorithme à mettre en œuvre pour atteindre les objectifs du projet présenté.
Les principaux algorithmes du machine Learning
Utiliser la régression linéaire simple et multipleTester la régression polynomiale
Définir les séries temporelles
Comprendre la régression logistique et applications en scoring
Identifier la classification hiérarchique et non hiérarchique (KMeans)
Définir une classification par arbres de décision ou approche Naïve Bayes
Utiliser le Ramdom Forest (développement des arbres de décision)
Gradiant Boosting
Réseaux de neurones
Machine à support de vecteursÉtude de casDémonstration réseau de neurones reconnaissance de caractères manuscrits (MNIST)Jour 2
Démarche Machine Learning dans le traitement de la donnée
Prévoir la collecte et la préparation des donnéesIdentification des corrélations
Réduire la complexité d’un problème pour le résoudre par analyse des composantes principales
Comment réduire la dimension et sélectionner les variables pertinentes ?
Détection et correction des valeurs aberrantes
Data augmentation : création de nouvelles variables pour aider à résoudre le problèmeExercicePréparation d’un jeu de données - Nettoyage des données et valeurs manquantes
Mise en pratique : Procédure d'entraînement et d'évaluation des algorithmes
Séparation du jeu de données en plusieurs : entraînement, test et validationTechniques de bootstrap (bagging)
Exemple de la validation croisée
Définition d'une métrique de performance
Descente de gradient stochastique (minimisation de la métrique)
Courbes ROC et de lift pour évaluer et comparer les algorithmes
Matrice de confusion : faux positifs et faux négatifsÉtude de casComprendre les différentes mesures de performance d’un algorithme et leurs utilisations à travers des exemples fournis dans votre espace de travail
Envisager la mise en production d'un algorithme de machine Learning
Description d'une plateforme Big DataPrincipe de fonctionnement des API
Du développement à la mise en production
Stratégie de maintenance corrective et évolutive
Évaluation du coût de fonctionnement en productionÉtude de casMise en place d’un projet simple de Machine Learning en python à l’aide d’API (concrètement on utilise des algorithmes « tout faits » qu’il reste juste à paramétrer).
Mise en œuvre et gestion de projet impliquant du Machine Learning
Les spécificités d’un projet Machine Learning, son cycle de vieIdentifier les différents acteur d’un projet et post-projet
Définir les nouveaux rôles dans l'entreprise : chief data officer, data protection officer, data engineer, data scientist, data analyst, data miner...
Déterminer les prestataires externes et l’écosystème interne à l’entreprise
Préparer sa roadmap de la mise en œuvre du machine Learning (avant, pendant et après le projet)
Mise en place d’un Proof Of Concept
Prévoir rétro planning, CheckList et bonnes pratiques d’un projet Machine Learning
Protection et droit d’accès aux données personnelles
L’accompagnement aux changements nécessaire (formation, communication, management)
Réflexion : Échanges selon les spécificités métiers et activité de chacun
Prérequis
Public
Ces formations pourraient vous intéresser
Objectifs de la formation
- Maîtriser le nouveau cadre juridique procédural pour la mise en œuvre de projets industriels
- Maîtriser les nouvelles dispositions pour le financement des projets industriels
- Intégrer les nouveautés juridiques en matière de commande publique
- Mettre en œuvre les bonnes pratiques méthodologiques et juridiques dans le cadre de vos projets
| Tarif |
A partir de 1 020,00 € |
| Durée |
1 jour 7 heures |
| Modes |
|
Formation Responsabilités des acteurs de la construction (niveau 1)
Proposé par LEFEBVRE DALLOZ COMPETENCESObjectifs de la formation
- Définir le champ d'application de la responsabilité dans le domaine de la construction
- Distinguer les responsabilités des constructeurs
- Différencier les cas de recours des acteurs de la construction
| Tarif |
A partir de 1 000,00 € |
| Durée |
1 jour |
| Modes |
|
Formation Techniques approfondies de consolidation en normes IFRS : les variations de périmètre (IFRS 3, IFRS 10)
Proposé par LEFEBVRE DALLOZ COMPETENCESObjectifs de la formation
- Appliquer la norme IFRS 3 aux regroupements d'entreprises lors d'une prise de contrôle
- Appliquer la norme IFRS 10 aux variations des intérêts ultérieures à la prise de contrôle
- Identifier les conséquences de la norme IFRS 10 en cas d'opérations de restructurations internes
| Tarif |
A partir de 3 032,00 € |
| Durée |
3 jours |
| Modes |
|
Objectifs de la formation
Maîtriser l’ensemble des aspects de la gestion du personnel
Dialoguer efficacement avec vos interlocuteurs
Professionnaliser ses méthodes de travail
| Tarif |
A partir de 2 075,00 € |
| Durée |
3 jours - 21 heures |
| Modes |
|
Formation Dématérialisation des marchés publics : optimiser et sécuriser la réponse aux appels d'offres
Proposé par LEFEBVRE DALLOZ COMPETENCESObjectifs de la formation
- Assimiler le cadre juridique de la dématérialisation des marchés publics
- Utiliser correctement les outils digitaux pour garantir la sécurité de la dématérialisation
- Retracer le parcours de la réponse à un appel d'offre
| Tarif |
Contacter l'organisme |
| Durée |
Nous contacter |
| Modes |
|
Windows Server 2016 (et nouveautés 2019) – Mise en oeuvre et administration d’une infrastructure de serveurs
Proposé par ENI ServiceObjectifs de la formation
- Installer des serveurs Core et Nano
- Planifier des stratégies de migration et mise à niveau de serveurs
- Déployer des images avec MDT et WDS
- Décrire les différentes solutions de stockage d'entreprise et les mettre en œuvre
- Implémenter et gérer les espaces de stockage et la déduplication de données
- Installer et configurer Hyper-V
- Créer et gérer des machines virtuelles
- Gérer les switches virtuels
- Déployer, configurer et gérer des containers Windows et Hyper-V
- Mettre en œuvre et gérer un cluster à basculement
- Déployer des machines virtuelles en cluster
- Maintenir et surveiller un environnement de serveurs
| Tarif |
A partir de 990,00 € |
| Durée |
37 heures |
| Modes |
|
Objectifs de la formation
- Faire un état des lieux de sa pensée critique
- Ouvrir le champ de sa pensée
- Exercer une pensée critique appropriée
- Penser en « mode solution »
- Penser l’avenir en regardant le présent autrement
| Tarif |
A partir de 1 490,00 € |
| Durée |
2 jours |
| Modes |
|
Objectifs de la formation
Concrètement, à l'issue de cette formation Etat de l'art de la sécurité des Systèmes d'information, vous aurez acquis les compétences et connaissances nécesaires pour :
- Savoir quels sont les domaines de la sécurité et de la maîtrise des risques liés aux informations
- Connaître les principes et les normes de chaque domaine de la SSI
- S'informer sur les tendances actuelles des menaces et des solutions existantes
- Connaître les principaux outils et acteurs du marché (y compris logiciels libres), ainsi que leurs forces et des faiblesses.
| Tarif |
A partir de 2 350,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
• Optimiser sa relation avec le fournisseur
• Préparer et mener une négociation
| Tarif |
A partir de 1 400,00 € |
| Durée |
Nous contacter |
| Modes |
|
Objectifs de la formation
Pour optimiser les ressources dans un projet ou dans le management au quotidien d'un service informatique, l'externalisation et l'appel à sous-traitance sont des leviers puissants. Il importe donc d'en comprendre les mécanismes essentiels, en vue de les appliquer dans un contexte opérationnel. Cette formation Gestion de projet vous permettra de:
- Identifier les champs potentiellement concernés par la sous-traitance informatique
- Disposer d'outils de base à mettre en oeuvre pour passer à la mise en pratique
- Identifier les sous-traitants adaptés à vos projets et disposer des bonnes méthodes pour les piloter efficacement
| Tarif |
A partir de 1 820,00 € |
| Durée |
2j / 14h |
| Modes |
|
