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
A l'issue de cette formation, vous serez capable de :
- Définir le cadre de l'intervention en analysant les besoins et les résultats attendus pour vérifier la cohérence entre les deux et acter sur le plan d'action à suivre
- Coconstruire un planning avec les parties prenantes en tenant compte de l'organisation temporelle définie initialement
- Préparer un processus d'intelligence collective en structurant par étapes les activités à entreprendre, les moyens logistiques et humains à mobiliser, les conditions de réalisation (présentiel ou distanciel) pour le bon déroulement et la réussite de l'atelier
- Ouvrir la session d'intelligence collective par la phase d'implication en faisant un rappel des objectifs et livrables de l'atelier tout en mettant en confiance les participants et en les incitant à collaborer en équipe
- Accompagner le processus d'intelligence collective d'un groupe en valorisant toute intervention, toute idée, en rendant chaque participant acteur pour atteindre un résultat partagé et l'objectif visé
- Conduire un atelier créatif et collaboratif en utilisant les outils techniques (Design Thinking, Creative Problem Solving, agilité), dans le but de stimuler la créativité du groupe, l'expérimentation et l'innovation pour générer des nouvelles idées, les prioriser et décider des actions à mettre en oeuvre
- Utiliser différents outils de prototypage, de rendu visuel pour coconstruire des exemples de modèles du livrable afin de le visualiser de manière accélérée
- Cadrer et guider le groupe avec bienveillance et empathie dans la résolution des situations complexes afin de parvenir à un consensus collectif
- Utiliser des techniques de gestion du temps afin d'optimiser et d'organiser l'emploi du temps attribué à la réalisation des objectifs
- Clôturer l'atelier par une rétrospective des activités par l'évaluation des actions mises en place afin de donner une suite pérenne à l'atelier.
| Tarif |
A partir de 1 490,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Repérer les freins liés à ses problèmes de santé pour mieux les gérer au sein de son environnement de travail
- Énoncer ses besoins auprès de ses collègues et de sa hiérarchie
- Établir une feuille de route pour gagner en équilibre
| Tarif |
A partir de 850,00 € |
| Durée |
1j / 7h |
| Modes |
|
Objectifs de la formation
- Connaitre et appréhender les enjeux relatifs au développement des talents et des potentiels
- Détecter et développer les potentiels et les talents
- Attirer, développer et fidéliser les potentiels et les talents
- Adapter une méthode pour prendre ses décisions
- Recruter et/ou gérer une population pénurique
| Tarif |
A partir de 1 390,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Expliquer les principes fondamentaux de la négociation pour clarifier le processus et les éléments clés
- Analyser les différences entre la communication et la négociation pour comprendre pourquoi être un bon communicant ne garantit pas d'être un bon négociateur
- Evaluer votre profil de négociateur en identifiant vos forces et vos faiblesses
- Reconnaître les différentes situations difficiles de négociation et comprendre leurs spécificités
- Développer un mental fort pour aborder les situations de confrontation positive avec confiance
- Appliquer les enseignements des joueurs d'échecs, des joueurs de poker et des acteurs de théâtre pour améliorer vos compétences de négociation
- Rassembler des informations essentielles sur les interlocuteurs avant une négociation pour mieux vous préparer
- Déterminer la logique et les attentes probables des interlocuteurs afin d'adapter votre stratégie de négociation
- Préparer vos marges de négociation, vos positions de repli et les contreparties à obtenir, tout en évaluant des solutions alternatives en cas de blocage
- Utiliser des techniques de communication efficaces pour établir un équilibre psychologique, développer une écoute réciproque, argumenter de manière convaincante et résister aux pressions et manipulations.
| Tarif |
A partir de 1 400,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- S'approprier le cadre juridique relatif à la non-discrimination
- Repérer les situations et comportements à risque
- Prévenir toutes formes de discriminations à l'embauche
| Tarif |
A partir de 1 390,00 € |
| 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
- Connaître les différentes technologies de l'IA et leurs applications potentielles dans l'analyse métier
- Maîtriser les techniques de prompt engineering pour une communication efficace avec les systèmes d'IA
- Mettre en œuvre des outils d'IA dans des scénarios pratiques de Business Analyse pour améliorer la prise de décision, les prévisions et l'optimisation des processus
- Comprendre la gestion du changement organisationnel et les considérations éthiques liées à l'intégration de l'IA dans les process de l'analyse métier
| 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 :
- Décrire les fondements de l'architecture d'entreprise
- Expliquer l'importance du rôle de l'architecture d'entreprise dans les projets de transformation digitale.
| Tarif |
A partir de 1 720,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Concevoir une application basée console en utilisant .NET Core
- Utiliser Visual Studio pour créer, déboguer et organiser ses projets
- Utiliser toutes les fonctionnalités du langage C#
- Définir la programmation orientée objet.
| Tarif |
A partir de 3 050,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
À l'issue de cette formation Migration Azure Bonnes Pratiques, vous aurez acquis les connaissances et les compétences nécessaires pour :
- Savoir rappeler les concepts fondamentaux du Cloud Computing et de la virtualisation (notamment les avantages commerciaux du Cloud Computing et les risques associés)
- Maîtriser les services de Microsoft Azure et disposer d'une analyse comparative des différentes options disponibles (serveurs, stockage et BdD)
- Connaître les contraintes des architectures dans le Cloud
- Être capable de concevoir des solutions intégrant des fonctions de sécurité, d'authentification et d'autorisation avec Microsoft Azure
- Savoir identifier les procédures de migration vers le cloud et les bonnes pratiques associées
- Mettre en œuvre des solutions Microsoft Azure tout en optimisant les coûts
| Tarif |
A partir de 1 995,00 € |
| Durée |
3j / 21h |
| Modes |
|
Formation Le langage BPMN 2.0, modéliser efficacement ses processus métier
Proposé par PLB CONSULTANTObjectifs de la formation
Concrètement, cette formation Langage BPMN 2.0 vous aurez acquis les connaissances et compétences nécessaires pour :
- Découvrir les possibilités offertes par la norme BPMN 2.0
- Découvrir une méthodologie dans l'écriture de processus sur BPMN 2.0
- Mettre en pratique les éléments décrits dans le cours sur un logiciel de modélisation, soit sur le standard du marché Bizagi, soit en Intra sur le logiciel utilisé en entreprise : Bizagi, ARIS Designer, MEGA, Enterprise Architect, etc
- Comprendre comment transformer un processus métier en une application d’entreprise
| Tarif |
A partir de 1 990,00 € |
| Durée |
3j / 21h |
| Modes |
|
