MACHINE LEARNING Modèle prédictif avec l'algorithme KNN

Qualiopi

Cette formation a pour objectif de comprendre la mise en place d'un modèle prédictif basé sur du Machine Learning à partir de l'algorithme dit des k plus proches voisins (Knn).

À partir de 1550 €
Durée 7h en 1 jour
Localisation Partout en France
Logo de GROUPE ARKESYS - MACHINE LEARNING Modèle prédictif avec l'algorithme KNN

Proposé par

GROUPE ARKESYS

Prérequis

  • Une connaissance des outils statistiques de base est souhaitée
  • Une connaissance des approches prédictives classiques (régression) est un plus mais pas strictement nécessaire.

 

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

  • Comprendre la démarche de l'algorithme knn
  • Comprendre les avantages et les inconvénients du knn
  • Trouver l'optimalité du paramètre k
  • Valider le modèle en appliquant les différentes méthodes de validation
  • Mettre en œuvre sous des logiciels comme R l'algorithme Knn

Programme de la formation

Jour 1 – Matin

 

Rappeler la démarche de la modélisation

  • Que veut-on prédire
    • Variable Qualitative
    • Variable Quantitative
  • Quantification de l'erreur du modèle
    • Modèles à Y Quantitatif
    • Modèles à Y Qualitatif

 

Maîtriser le fonctionnement du knn

  • Préparation des données
  • Problèmes d'échelle sur les X
  • Centrage des valeurs de X
  • La démarche du knn
  • Cas d'une prédiction qualitative
  • Cas d'une prédiction quantitative

 

Appliquer le Knn sur des variables X qualitatives

  • Comment transformer des X qualitatives en X quantitatives
  • Méthodes de l'Analyse factorielles de Correspondances
  • Récupération des coordonnées des individus
  • Mise en place du Knn

 

Jour 1 – Après-midi

 

Comprendre le sous et surajustement

  • Notions de biais d'un modèle
  • Notions de variance d'un modèle
  • Optimalité variance & biais
  • Jugement de la qualité d'un modèle
  • Matrice de confusion
  • Méthode du Data Train / Data test
  • Validation croisée
  • Classique LOO (Leave One Out)
  • Validation croisée par k fold

 

Réaliser des exercices pratiques

  • Applications avec R
  • Démonstration avec Excel
  • Cas d'études sur données des apprenants

 

Jeux de données 

Afin de s'approcher au mieux des réalités quotidiennes des praticiens, nous suggérons de nous appuyer pour l'animation pratique de thématiques et surtout de jeux de données reflétant le quotidien des apprenants. 

Cet élément est un facteur de réussite pour la formation. Elle permet aux apprenants de : 

  • Se "reconnaitre" dans les thèmes abordés,  
  • Mieux percevoir l'intérêt des notions étudiées  
  • S'approprier le contenu de la formation 

 

Il sera donc pertinent que les apprenants puissent réfléchir en amont de la formation à des problématiques, jeux de données ou documents susceptibles d'être utilisés en support lors de la formation. 

 

Outil logiciel 

Cette formation n'est pas strictement dédiée à un logiciel. Les exercices et les illustrations se feront généralement sous R ou sous un autre logiciel partant de l'hypothèse que celui-ci intègre les outils techniques abordés.

Dans le cas où la formation serait effectuée avec le logiciel R, une connaissance de base de ce logiciel est préconisée.

Logo de GROUPE ARKESYS - Formation MACHINE LEARNING Modèle prédictif avec l'algorithme KNN

Proposé par

GROUPE ARKESYS

"La formation maintenant pour vos talents de demain"

Voir la fiche entreprise
Logo

La 1ère plateforme pour trouver une formation, choisir son orientation ou construire son projet de reconversion.

© 2024 France Carrière. Tous droits réservés.