MACHINE LEARNING Découverte : classification, k-means, analyse factorielle discriminante, arbres de décision et forêts aléatoires
Plongez au cœur du Machine Learning avec notre formation immersive ! Découvrez les clés de la classification, k-means, analyse factorielle discriminante, arbres de décision et forêts aléatoires pour transformer vos données en décisions éclairées.
Proposé par
GROUPE ARKESYS
Prérequis
- Il est souhaitable d'avoir des connaissances de bases en statistiques.
- Dans le cas où la formation serait effectuée avec le logiciel R, une connaissance de base de ce logiciel est préconisée
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
- Connaître les objectifs et les différences entre les méthodes d'apprentissage supervisé et non supervisé
- Maîtriser le vocabulaire spécifique aux méthodes d'apprentissage supervisé et non supervisé
- Identifier le contexte et les conditions d'application des méthodes d'apprentissage supervisé et non supervisé
- Connaître les démarches des méthodes d'apprentissage supervisé et non supervisé
Programme de la formation
Généralités sur les différentes méthodes de machine learning
- Limites des statistiques classiques
- Champs d'application des différentes méthodes
- Introduction sur le machine learning - Les objectifs et problématiques
Découverte de la méthode d'Analyse discriminante
- Structure du jeu de données
- Contexte d'application, objectifs et méthodologie de l'analyse discriminante
- Notions de classement et de discrimination
- Méthodologie de l'AFD
- Interprétation des sorties logiciel : cercle factoriels, corrélations variables x axes
- Qualité de l'AFD (de la discrimination obtenue)
- Tests univariés et multivariés (lambda de Wilks)
- Graphique des individus
- Matrice de confusion (et éventuellement courbe ROC)
- Les confusions et erreurs à ne pas commettre
Découverte des méthodes de classification : classification ascendante hiérarchique (CAH) et k-means
- Structure du jeu de données
- Contexte d'application, objectifs et méthodologie de la CAH et des k-means
- Lecture d'un dendrogramme
- Différents types de classification : sur les individus, sur les variables, sur les modalités
- Avantages et inconvénients des méthodes de classification
- Interprétation des sorties logiciel
Découverte des méthodes d'apprentissage supervisé
- Champs d'application des différentes méthodes
- Objectifs de l'apprentissage supervisé
- Objectifs de description
- Objectifs de prédiction
- Structure des jeux de données
- Présentation générale de l'éventail des méthodes
- Arbre de décision
- Forêt aléatoire
Proposé par
GROUPE ARKESYS
"La formation maintenant pour vos talents de demain"
Proposé par
GROUPE ARKESYS
