Machine Learning – Concepts et mise en oeuvre
Plongez-vous dans le monde du Machine Learning avec notre formation intensive. Nous couvrirons les principes fondamentaux du Machine Learning, depuis la définition de problèmes spécifiques jusqu’à la mise en œuvre de solutions actionnables. La formation abordera les techniques d’apprentissage supervisé et non supervisé, dont la régression linéaire et logistique, les forêts aléatoires, les réseaux de neurones, les SVM, la réduction de dimensionnalité, le clustering K-means et la détection d’anomalies. Un accent particulier sera mis sur l’utilisation des systèmes de recommandation et le filtrage collaboratif. Vous apprendrez comment prétraiter les données, construire des modèles d’apprentissage, mesurer leur performance, et surmonter les barrières techniques du Machine Learning. Les travaux pratiques utiliseront des données réelles pour vous fournir une expérience pratique dans le traitement des images et du texte, ainsi que dans la résolution de problèmes de recommandation.
Proposé par
ENI Service
Prérequis
- Connaissances de base dans un langage de programmation
- Avoir des notions d’algèbre linéaire (calcul matriciel, dérivées, etc.) et de statistiques est un plus
Public admis
- Salarié en Poste
- Entreprise
Demandeur d'emploi et Etudiant non admis
Financement
- Votre OPCO
- Financement personnel
Financement CPF non pris en charge
Modalités
- En centre
- En entreprise
- À distance
Objectifs pédagogiques
- Identifier un problème résoluble par Machine Learning
- Identifier les outils et librairies nécéssaires
- Prétraiter des données
- Construire des modèles d'apprentissage non-supervisés
- Construire des modèles d'apprentissage supervisés
- Mesurer la performance de vos modèles
- Identifier les barrières techniques du Machine Learning sur un problème donnée
- Identifier les méthodes permettant d'améliorer les performances
- Extraire des résultats actionnables
- Traiter des images
- Traiter du texte
- Traiter un problème de recommandation
Programme de la formation
Introduction
- Qu'est-ce que le Machine Learning
- Principales facettes du Machine Learning
Fondamentaux
- Correctement poser un problème de Machine Learning
- Prétraiter des données
- Apprendre un modèle
- Évaluer un modèle
- Exploiter un modèle pour obtenir des résultats actionnables
Apprentissage supervisé
- Régression linéaire
- Régression logistique
- Random forest
- Réseaux de neurones (simples, de convolution et récurrents)
- SVM
Apprentissage non supervisé
- Réduction de dimensionnalité
- Clustering K-means
- Embeddings (word2vec)
- Détection d'anomalies
- Réseaux de neurones adverses
Systèmes de recommandation
- Filtrage collaboratif
Proposé par
ENI Service
"votre centre de formation informatique de confiance"
Proposé par
ENI Service
