Pour offrir les meilleures expériences possibles, nous utilisons des technologies telles que les cookies pour stocker et/ou accéder aux informations des appareils.
Le fait de ne pas consentir ou de retirer son consentement peut avoir un effet négatif sur certaines caractéristiques et fonctions.
Voir notre Politique de protection des données pour plus d'informations.
● Comprendre les principes fondamentaux de l'apprentissage automatique et l’ utilisation de la bibliothèque scikit-learn.
● Savoir préparer et transformer les données afin de les rendre exploitables par les algorithmes de machine learning.
● Créer et entraîner des modèles simples de régression et de classification avec scikit-learn.
● Évaluer les performances des modèles grâce aux métriques appropriées et à la validation croisée.
● Optimiser les modèles et intégrer un pipeline de traitement complet.
● Mettre en pratique les compétences acquises sur un jeu de données réel pour renforcer la compréhension et l’autonomie.
Tarif |
A partir de 1 200,00 € |
Durée | 1 jour 7 Heures |
Modes |
|
Sessions | |
Lieux | Partout en France |
Tarif |
A partir de 1 200,00 € |
Durée | 1 jour 7 Heures |
Modes |
|
Sessions | |
Lieux | Partout en France |
La formation "Premières bases en IA avec scikit-learn" est conçue pour donner aux apprenants les compétences fondamentales nécessaires à l’utilisation de scikit-learn, l’une des bibliothèques phares en machine learning Python. À travers une approche pratique etprogressive, les participants découvriront comment préparer leurs données, construire desmodèles simples, évaluer leur pertinence et améliorer leurs performances.
Adaptée à un public ayant déjà des notions de base en programmation Python et en datascience, cette formation offre un apprentissage structuré, allant des fondements de scikit-learn jusqu’à la mise en œuvre sur un jeu de données concret. L’objectif est de permettre aux stagiaires d’acquérir rapidement les compétences essentielles pour intégrer des techniques de machine learning dans leurs projets professionnels.
Matin : Fondamentaux
1. Introduction à scikit-learn et à l’Apprentissage Automatique
Présentation de scikit-learn, contexte d’utilisation, positionnement dans l’écosystème Python. Panorama des tâches d’ apprentissage supervisé : régression et classification.
2. Mise en Place de l’Environnement de Travail
Configuration de l’environnement Python, installation de scikit-learn, organisation du code et bonnes pratiques.
3. Création de Modèles Simples en Régression et Classification
Découverte des algorithmes de base (régression linéaire, k-plus proches voisins, arbres de décision), entraînement de modèles simples et interprétation des résultats initiaux.
4. Préparation des Données et Pipelines de Traitement
Utilisation de scikit-learn pour nettoyer, transformer et normaliser les données. Introduction aux pipelines pour chaîner les étapes de préparation et de modélisation, assurant une meilleure reproductibilité et maintenabilité.
Après-midi : Techniques Avancées et Mise en Pratique
1. Évaluation et Optimisation des Modèles
Introduction aux métriques de performance (MSE, précision, rappel, F1-score…), sélection et utilisation de la validation croisée, ajustement des hyperparamètres (Grid Search, Randomized Search).
2. Atelier Pratique sur un Jeu de Données Réel
Mise en application des concepts vus le matin : préparation d’ un jeu de données réel, entraînement de plusieurs modèles, évaluation, comparaison, et optimisation des performances. Les participants travailleront en autonomie ou en petits groupes, avec un accompagnement pédagogique.
3. Conclusion et Échanges sur les Applications Futures
Retour d’expérience sur les réalisations de la journée, discussion sur les pistes d’amélioration, partage de ressources supplémentaires (documentation, tutoriels, communautés en ligne). Présentation d’applications possibles en contexte professionnel et voies pour aller plus loin (modèles plus avancés, intégration avec d’autres outils, apprentissage non supervisé, deep learning).
Avoir des connaissances en Python.
Cette formation s’adresse à des profils déjà sensibilisés au monde de la data (analystes, data scientists juniors, développeurs…) qui souhaitent approfondir leurs connaissances en apprentissage automatique.
Tarif |
A partir de 1 590,00 € |
Durée |
2j / 14h |
Modes |
|
Tarif |
A partir de 1 200,00 € |
Durée |
1j / 7h |
Modes |
|
Tarif |
A partir de 1 550,00 € |
Durée |
2j / 14h |
Modes |
|
Tarif |
A partir de 1 475,00 € |
Durée |
2j / 14h |
Modes |
|
Approfondir l’utilisation de ChatGPT à travers des notions avancées et des ateliers pratique afin d’être en mesure de maîtriser pleinement ChatGPT et de l'utiliser efficacement dans des projets et tâches quotidiennes.
A l'issue de la formation, le stagiaire sera capable de :
METHODES ET OUTILS PEDAGOGIQUES
EVALUATION
Evaluation formative au travers de nombreux exercices tout au long de la formation permettant de valider les compétences acquises
Attestation de stage
Emargement quotidien d’une feuille de présence
ACCESSIBILITE AUX PERSONNES HANDICAPEES
Pour tout besoin d’accessibilité, contactez Véronique Constantin, référente handicap : v.constantin@cit.fr et/ou consultez nos capacités d'adaptation https://www.cit.fr/uploads/media/LivretAccueilHandicap.pdf
Public concerné
Toute personne ayant suivi le niveau 1 ou ayant des connaissances similaires et souhaitant approfondit ses connaissances sur ChatGPT
Pré-requis
Avoir suivi la formation « ChatGPT Comprendre et utiliser l’assistant IA », maîtrise des outils bureautiques
Tarif |
A partir de 650,00 € |
Durée |
1 jour(s) |
Modes |
|
Tarif |
A partir de 2 490,00 € |
Durée |
3j / 21h |
Modes |
|
Tarif |
A partir de 875,00 € |
Durée |
1j / 7h |
Modes |
|
Tarif |
A partir de 1 800,00 € |
Durée |
2 jours |
Modes |
|
Tarif |
A partir de 320,00 € |
Durée |
1j / 7h |
Modes |
|
Tarif |
A partir de 1 690,00 € |
Durée |
2j / 14h |
Modes |
|