Formation Machine learning : implémentation en Python
Public admis
- Salarié en Poste
- Demandeur d'emploi
- Entreprise
- Etudiant
Financements
Eligible CPF Votre OPCO Financement personnel
Objectifs de la formation
Comprendre et choisir une méthode d'apprentissage automatique - Acquérir les bases du Machine Learning avec Python
| Tarif |
A partir de 3 475,00 € |
| Durée | 5 jour(s) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
A partir de 3 475,00 € |
| Durée | 5 jour(s) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Description
Programme
Comprendre l'apprentissage automatique (Machine Learning)
Machine Learning : définition, contextes d'utilisation, phases (apprentissage, mise en production)
Enjeux et limites
Approches mathématiques et statistiques
Application et types de données : graphes, arbres, courbes, vecteurs de caractéristiques Qualification de la phase d'apprentissage : classification, régression, renforcement, non supervision
Panorama d'algorithmes : régressions (linéaire ou logistique), machines à vecteurs, réseaux de neurones, k plus proches voisins (KNN), boosting,...
Facteurs de pertinence et d'efficacité : nombre d'exemples, qualité des attributs, pourcentage des données renseignées ou manquantes, bruit
Organiser un projet d'apprentissage
Défintion du problème
Acquisition des données
Analyse et exploration des données
Préparation et nettoyage des données
Extraction de caractéristiques
Choix ou construction du modèle d'apprentissage
Entrainement, évaluation et optimisation
Test et vérification de surapprentissage Déploiement
Découvrir des bibliothèques Python
NumPy : manipulation de matrices et fonctions
Pandas : lecture et manipulation de données
Jupyter et ses Notebook : utilisation de cahiers électroniques
Implémenter des algorithmes d'apprentissage sur des données
Présentation d'une base de données
Régression linéaire (simple ou multiple) : étude, import, création et application d'un modèle, évaluation
Régression logistique : packages, création et application d'un modèle, évaluation et matrice de confusion
K plus proches voisins (KNN) : packages Python, Application et évaluation, amélioration
Support Vector Machine (SVM) : principe, découverte de la base de données, application et évaluation
Analyse en composante principale (PCA) : principe, création du modèle et visualisation des données en 2D
Decision Tree : principe, préparation des données, création du modèle et visualisation de l'arbre de décision
Random Forest : principe, implémentation en Python
Evaluer les modèles implémentés
Ré-échantillonnage
Représentativité des données d'apprentissage Interprétation de la matrice de confusion Sensibilité et spécificité d'un test : Receiver Operating Characteristic (ROC) et Area under the ROC Curve (AUC)
Prérequis
Public
Ces formations pourraient vous intéresser
Objectifs de la formation
Construire une API en Python et implémenter une couche d'accès aux données avec un ORM| Tarif |
A partir de 2 995,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Exploiter les bases de l'administration Cognos Analytics 12.x.
| Tarif |
A partir de 1 520,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Utiliser les différents composants de l'interface Python
- Comprendre la syntaxe de programmation du langage Python
- Réaliser des instructions et des programmes simples
- Utiliser les fonctions Python et créer des fonctions simples
- Créer et structurer un programme selon un objectif défini
- Exécuter un programme
- Gérer les erreurs d'un programme et tester un programme
| Tarif |
A partir de 4 650,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
Comprendre les bases de l'API Llama - Utiliser l'API Llama pour générer ou traduire du texte, pour analyser les sentiments| Tarif |
A partir de 1 775,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Opérer des solutions d'apprentissage automatique à l'échelle du Cloud à l'aide d'Azure Machine Learning
- Utiliser vos connaissances de Python et du Machine Learning pour gérer l'ingestion et la préparation des données, l'entraînement et le déploiement des modèles, et la supervision des solutions de Machine Learning avec Azure Machine Learning et MLflow.
| Tarif |
A partir de 3 040,00 € |
| Durée |
4j / 28h |
| Modes |
|
Formation Windows Server 2012 : Conception et implémentation d'une infrastructure (Cours MS20413 - Examen 70-413)
Proposé par DAWANObjectifs de la formation
Planifier la mise à jour et la migration du serveur - Planifier et mettre en œuvre une stratégie de déploiement du serveur - Planifier et déployer les serveurs avec System Center 2012 R2 Virtual Machine Manger (VMM) - Concevoir et maintenir la configuration IP et adresser la solution de gestion - Concevoir et mettre en œuvre la résolution de noms - Concevoir et mettre en œuvre les forêts AD DS et l'infrastructure de domaine - Concevoir et mettre en œuvre l'infrastructure des unités organisationnelles (OU) AD DS - Concevoir et mettre en œuvre une stratégie GPO (Group Policy Objects) - Concevoir et mettre en œuvre la topologie physique AD DS - Planifier et mettre en oeuvre le stockage et les services de fichiers - Concevoir et mettre en œuvre la protection réseau - Concevoir et mettre en œuvre les services d'accès distant| Tarif |
A partir de 2 450,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
- Développer une application s’appuyant sur Spark
- Connaître les différents concepts sous-jacents et les APIs
- Exécuter, tester, optimiser une application utilisant Spark
- Appréhender les problématiques de machine learning avec SparkML
| Tarif |
Contacter l'organisme |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
- Maîtriser Microsoft Azure Machine Learning et AML Studio
- Utiliser Azure Machine Learning
- Savoir gérer des ensemble de données, les préparer
- Utiliser des fonctionnalités Engineering, Selection
- Savoir utiliser le langage Python et R avec Azure Machine Learning
- Savoir construire, initialiser, optimiser et utiliser des modèles Azure Machine Learning
- Maîtriser les Cognitives Services, HDInsight
| Tarif |
A partir de 3 500,00 € |
| Durée |
5 jours |
| Modes |
|
Objectifs de la formation
- Connaissance des produits et services de Google Cloud Platform, particulièrement ceux liés au traitement des données et au machine learning
- Connaissance des produits et services fondamentaux concernant le calcul et le stockage
- Connaissance de Cloud SQL et de Dataproc
- Connaissance de Datalab et BigQuery
- Connaissance de TensorFlow et des APIs Machine Learning
- Connaissance de Pub / Sub et de Dataflow
| Tarif |
A partir de 950,00 € |
| Durée |
1j / 7h |
| Modes |
|
Windows Server 2022 – Mise en oeuvre et administration d’une infrastructure de serveurs
Proposé par ENI ServiceObjectifs de la formation
- Préparer et installer Windows Server et planifier une stratégie de mise à niveau et de migration du serveur
- Décrire les différentes options de stockage, notamment les formats de table de partition, les disques de base et dynamiques, les systèmes de fichiers, les disques durs virtuels et le matériel d'entraînement, et expliquer comment gérer les disques et les volumes
- Décrire les solutions de stockage d'entreprise et choisir la solution appropriée pour une situation donnée
- Mettre en œuvre et gérer les espaces de stockage et la déduplication des données
- Installer et configurer Microsoft Hyper-V, et configurer les machines virtuelles
- Déployer, configurer et gérer les conteneurs Windows et Hyper-V
- Décrire les technologies de haute disponibilité et de reprise après sinistre dans Windows Server
- Planifier, créer et gérer un cluster de basculement
- Implémenter le clustering de basculement pour les machines virtuelles Hyper-V
- Configurer un cluster NLB (Network Load Balancing) et planifier une implémentation NLB
- Créer et gérer des images de déploiement
- Gérer, surveiller et maintenir les installations de machines virtuelles
| Tarif |
A partir de 2 950,00 € |
| Durée |
5j / 35h |
| Modes |
|
