Formation - Machine Learning - La synthèse
Public admis
- Salarié en Poste
- Demandeur d'emploi
- Entreprise
- Etudiant
Financements
Eligible CPF Votre OPCO Financement personnel
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 | 2 jours (14 heures) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
Contacter l'organisme |
| Durée | 2 jours (14 heures) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Programme
1 - 1ère partie : Du Big Data au Machine Learning
- Histoire du Big Data et évolution vers les Machine Learning
- Comprendre les concepts d'Intelligence Artificielle et d'apprentissage automatique (Machine Learning)
- Des exemples d'usages pour divers directions métier dans divers secteurs : marketing, vente, logistique, RH, santé, transport, la sécurité, l'énergie, la distribution, le luxe, le tourisme...
- Les résultats et bénéfices attendus
2 - 2ème partie : Les mécanismes du machine Learning
3 - Sur quoi porte le machine Learning ?
- Les données structurées, semi-structurées et non structurées
- Nature statistique des données (qualitatives ou quantitatives)
- Les objets connectés (IoT)
4 - Les différents types d'apprentissage en machine Learning
- Passer de l'analyse descriptive à l'analyse prédictive puis prescriptive
- La typologie des algorithmes (Apprentissage supervisé : répéter un exemple- Apprentissage non supervisé : découvrir les données - Reinforcement Learning : optimisation d'une récompense - Autres types d'apprentissage (par transfert, séquentiel, actif...)
- Le lien avec les mathématiques, le big data, l'intelligence artificielle et le machine Learning
5 - Les algorithmes du machine Learning
- Régression linéaire simple et multiple
- Régression polynomiale
- Séries temporelles
- Régression logistique et applications en scoring
- Classification hiérarchique et non hiérarchique (KMeans)
- Classification par arbres de décision ou approche Naïve Bayes
- Ramdom Forest (développement des arbres de décision)
- Gradiant Boosting
- Réseaux de neurones
- Machine à support de vecteurs
- Deep Learning : exemples et raisons du succès actuel
- Text Mining : analyse des corpus de données textuelles
6 - 3ème partie : La démarche de traitement
7 - La collecte et la préparation des données
- Analyse exploratoire : Préparation d'un jeu de données - Nettoyage des données et valeurs manquantes : Data cleaning
- Identification des corrélations
8 - La collecte et la préparation des données : Feature engineering
- Apprendre à 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 problème
9 - Procédure d'entraînement et d'évaluation des algorithmes
- Séparation du jeu de données en plusieurs : entraînement, test et validation
- Techniques 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 négatifs
10 - Mise en production d'un algorithme de machine Learning
- Description d'une plateforme Big Data
- Principe de fonctionnement des API
- Du développement à la mise en production
- Stratégie de maintenance corrective et évolutive
- Évaluation du coût de fonctionnement en production
11 - Comment fonctionne le machine Learning ?
- Les outils du marché pour le traitement de la donnée
- Les logiciels traditionnels (SAS, SPSS, Stata...) et leur ouverture à l'Open Source
- Les API en ligne (IBM Watson, Microsoft Cortana Intelligence...)
12 - Comment mettre en oeuvre le machine Learning ?
- Le cycle de vie d'un projet de machine Learning
- Protection et droit d'accès aux données personnelles
- L'accompagnement aux changements nécessaire (formation, communication, management)
13 - 4ème partie : Les acteurs internes et externes à impliquer, à considérer
- Les acteurs d'un projet et post-projet
- Nouveaux rôles dans l'entité : chief data officer, data protection officer, data engineer, data scientist, data analyst, data miner...
- Les prestataires externes et l'écosystème
- Dans votre établissement, qui est concerné par le Machine Learning et l'Intelligence Artificielle
14 - 5ème partie : La RoadMap d'un déploiement d'une solution de Machine Learning
- La roadmap de la mise en oeuvre du machine Learning (avant, pendant et après le projet)
- Mise en place d'un Proof Of Concept
- Les spécificités d'un projet Machine Learning
- Le rétro planning du ou des recrutements et leurs incidences sur les projets
15 - 6ème partie : Valider sa préparation au Machine Learning
- CheckList, bonnes pratiques
- Échanges autour des spécificités métiers et activité des entreprises et organisations de chaque participant
- Des vidéocasts pour revenir sur les points clés de la formation
Prérequis
- Aucun.
Public
- Dirigeants, directeurs informatiques
- Directeurs projets
- Toute personne souhaitant comprendre les mécanismes et les bénéfices potentiels du Machine Learning pour diriger ou gérer la préparation d'un déploiement de solution d'intelligence artificielle dans l'entreprise des secteurs privé et public
Ces formations pourraient vous intéresser
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Expliquer l'architecture du module contrôle de gestion de SAP S/4HANA
- Décrire les fondamentaux de la configuration et de la mise en oeuvre des nouvelles fonctionnalités du module contrôle de gestion de SAP S/4HANA
- Utiliser les applications Fiori standards conçues spécifiquement pour le contrôle de gestion.
| Tarif |
A partir de 2 460,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
- Repenser son offre et ses actions de formation en y intégrant des nouvelles formes d’apprentissage
- S’approprier l’ingénierie pédagogique des grandes innovations en matière de formations : MOOC, social learning, pédagogie inversée, nouveau présentiel…
- Intégrer des modalités digitales dans ses actions de formation
| Tarif |
Contacter l'organisme |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Décrire le poste et le profil du candidat.
- Acquérir une structure d'entretien.
- Maîtriser les techniques d'écoute active : questionnement et reformulation.
- Mieux se connaître en tant que recruteur.
| Tarif |
A partir de 1 520,00 € |
| Durée |
2 jours (14 heures) |
| Modes |
|
Objectifs de la formation
- Appréhender les différents types de financements disponibles : Comprendre les opportunités offertes par les entreprises et les institutions.
- Développer des stratégies de mobilisation adaptées : Élaborer des approches ciblées pour solliciter des financements.
- Créer des propositions de partenariat convaincantes : Apprendre à rédiger des propositions qui répondent aux attentes des bailleurs de fonds.
- Établir des relations durables avec les partenaires : Découvrir comment construire et maintenir des partenariats à long terme.
- Évaluer l'impact des financements obtenus : Mettre en place des outils pour suivre et mesurer les résultats des actions menées.
| Tarif |
Contacter l'organisme |
| Durée |
8j / 62h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Expliquer les concepts nécessaires pour installer et mettre à jour une base de données SAP HANA 2.0
- Installer, configurer et mettre à jour SAP HANA Cockpit 2.0
- Effectuer les tâches d'administration du système SAP HANA à l'aide de SAP HANA Cockpit 2.0
- Démarrer, arrêter, reconfigurer, sauvegarder et dépanner une base de données SAP HANA 2.0
- Sauvegarder et restaurer une base de données multi-tenant SAP HANA 2.0.
| Tarif |
A partir de 4 100,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
- Comprendre les principes d'intelligence artificielle générative.
- Savoir utiliser Copilot Pro dans les logiciels de la suite Office 365 : Teams, Outlook, Excel, Word, PowerPoint et One Note.
| Tarif |
A partir de 950,00 € |
| Durée |
1 jour ( 7 heures) |
| Modes |
|
Objectifs de la formation
- Maîtriser les fondamentaux de la fiscalité applicable en entreprise
- Déterminer le résultat fiscal et l’IS
- Appréhender la TVA, la CET, la CFE, la CVAE et les principales autres taxes
| Tarif |
Contacter l'organisme |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Conduire les différentes étapes d’un entretien de vente avec brio.
| Tarif |
A partir de 890,00 € |
| Durée |
6 heures |
| Modes |
|
Objectifs de la formation
- Connaître l'historique de l'apprentissage learning et ses enjeux
- Pouvoir installer et configurer TensorFlow
- Gérer les Réseaux Neuronaux Artificiels et leur optimisation
- Maîtriser les Réseaux de Neurones Convolutifs (CNN) et Récurrents (RNN)
- Manier Autoencoders et Restricted Boltzmann Machine
- Connaître le Reinforcement Learning, savoir l'utiliser
- Exécuter le Deep Learning sur CPU et GPU, concepts avancés
| Tarif |
A partir de 2 250,00 € |
| Durée |
3 jours |
| Modes |
|
Objectifs de la formation
- Répondre au enjeux du nouveau Code de la Commande Publique.
- Adopter la méthode pour répondre aux besoins des acheteurs publics.
- Respecter les différentes procédures de marchés publics afin d’éviter les écueils lors de la soumission.
- Optimiser sa candidature et son offre en répondant au mieux au cahier des charges de l’acheteur.
- Appliquer le processus de dématérialisation.
| Tarif |
A partir de 1 465,00 € |
| Durée |
2 jours |
| Modes |
|
