Formation Introduction au Machine Learning

Présentation de la formation

Le Machine Learning connaît un engouement incroyable depuis plusieurs années. En effet, sans que nous nous en rendions vraiment compte, il s’est invité dans notre quotidien. Playlist de musique, recommandation d’achats e-commerce, itinéraire GPS, programmes de génération de contenus… il touche tous les secteurs.

Comment définir concrètement le Machine Learning ? Quels sont ses composants ? Quels cas d’usages pertinents et comment exploiter cette technologie en structurant son projet ?

À l’issue de cette formation, vous serez en mesure de proposer des cas concrets utilisant le Machine Learning pour répondre à certaines typologies de problèmes de manière cadrée. Vous serez également capable d’apporter un avis pertinent sur des projets déjà en cours dans votre structure.
 

Pourquoi réaliser une Formation Introduction au Machine Learning ?

S’il fait fantasmer les plus technophiles d’entre nous, le Machine Learning connaît aussi ses détracteurs.

Afin de démêler le fantasme de la réalité, nous vous invitons à suivre cette formation qui a pour but de vous familiariser avec ses outils.

Objectifs de la formation Introduction au Machine Learning

• Définir le machine learning et ses composants
• Etre capable de préparer des données
• Savoir entraîner et exploiter un modèle de machine learning
• Identifier des cas d’usage pertinents du machine learning

Pour qui ?

Cette formation s’adresse aux développeurs ou à tout professionnel du digital amené à être impliqué dans le développement d’un projet de Machine Learning.

Programme

• Chapitre 1 Le Machine Learning en pleine expansion
• Chapitre 2 Découvrir les concepts de ML
• Chapitre 3 Appréhender l'apprentissage supervisé
• Chapitre 4 Visualiser le cycle de vie d’un projet
• Chapitre 5 Mettre en place son environnement de travail
• Chapitre 6 Prendre en main Python et Numpy
• Chapitre 7 Pandas
• Chapitre 8 Scikit-learn
• Chapitre 9 Découvrir notre premier modèle : KNN
• Chapitre 10 Le KNN en pratique
• Chapitre 11 Évaluer un modèle de régression
• Chapitre 12 Évaluer son modèle de régression avec sklearn
• Chapitre 13 Explorer des données
• Chapitre 14 Comprendre le 2ème type de modèle : Régression linéaire
• Chapitre 15 Entraîner une régression linéaire
• Chapitre 16 Appréhender un problème de classification
• Chapitre 17 Préparer des données - Partie 1
• Chapitre 18 Préparer des données - Partie 2 - Données catégorielles
• Chapitre 19 Mettre en place une méthodologie d’évaluation
• Chapitre 20 Évaluer son modèle de classification
• Chapitre 21 Mettre en place une méthodologie d’évaluation - 2
• Chapitre 22 Manipuler un 3ème type de modèle : Arbre de décision
• Chapitre 23 Lutter contre le sur-apprentissage avec la régularisation
• Chapitre 24 Tuner son modèles grâce aux hyper-paramètres
• Chapitre 25 Découvrir les modèles d’ensemble avec la forêt aléatoire
• Chapitre 26 Sélectionner les features pertinentes
• Chapitre 27 Déployer son modèle de machine learning
• Chapitre 28 Structurer son projet de machine learning
• Chapitre 29 Découvrir le Deep Learning
• Chapitre 30 Implémenter un réseau de neurones
• Chapitre 31 Classifier des images avec des réseaux de neurones convolution

Prérequis

Des connaissances de base en programmation (idéalement en Python) ainsi que des bases en statistiques seront requises pour suivre cette formation. Sans oublier une bonne dose de curiosité !

Modalités et délais d'accès

Financer sa formation en Développement Web / Informatique

Plusieurs dispositifs de financement sont possibles en fonction de votre statut professionnel et peuvent financer jusqu’à 100% votre formation.

Pour plus de renseignements, nous vous invitons à consulter notre guide du financement et à contacter nos conseillers pour vous accompagner pas à pas dans vos démarches.

Les avantages VISIPLUS academy

Ces formations pourraient également vous intéresser