Formation Machine Learning niveau avancé

Présentation de la formation

Le machine learning devient la priorité de bon nombre d’entreprises qui veulent modéliser d’importants volumes de données.

Quels sont les différents types d’algorithmes ? Comment construire et évaluer un modèle de Machine Learning ? Comment automatiser le développement ?

Telles sont les thématiques principales qui seront abordée au cours de cette formation avancée en Machine Learning.
 

Pourquoi réaliser une Formation Machine Learning niveau avancé ?

Parmi les métiers de la data science, le Machine Learning Engineer est l'un des plus demandés.

Grâce à cette formation, développez vos compétences en Machine Learning et augmentez significativement votre employabilité dans le monde de l’informatique !

Objectifs de la formation Machine Learning niveau avancé

• Comprendre et mettre en œuvre les principales étapes d’un projet de Machine Learning
• Préparer un jeu de données de manière rigoureuse
• Appliquer plusieurs familles d’algorithmes de Machine Learning
• Évaluer et améliorer la qualité d’un modèle

Pour qui ?

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

Programme

Partie 1 – Traitement pour le machine learning

• Introduction au Machine Learning niveau avancé (Face caméra)
• Rappel des grandes familles d’algorithmes de Machine Learning (Face caméra)
• Les étapes d’un projet de Machine Learning supervisé (Face caméra)
• Préparer ses données : pourquoi cette étape est déterminante (Face caméra)
• Détecter et traiter les outliers (Face caméra)
• Gérer les valeurs manquantes (Face caméra)
• Encoder les variables catégorielles (Face caméra)
• Normaliser et standardiser les données (Face caméra)
• Normalisation, valeurs manquantes, variables catégorielles : mise en pratique (Démo)

Partie 2 – Modélisation pour le traitement

• Réduction de dimensions avec l’ACP (Face caméra)
• Mise en pratique de l’ACP sur un jeu de données (Démo)
• Validation croisée : comprendre le principe (Face caméra)
• Validation croisée : mise en pratique (Démo)
• Sélection de variables avec la matrice de corrélation (Face caméra)
• Comprendre le phénomène d’overfitting (Face caméra)
• Les métriques d’évaluation pour la classification / Gérer le déséquilibre des classes (Face caméra)
• Mettre en place un clustering avec K-Means, CAH et DBSCAN (Démo)
• Évaluer et interpréter un clustering (Face caméra)

Partie 3 – Au-delà du machine learning

• Les modèles de boosting pour la régression (Face caméra)
• Mise en place d’un modèle de boosting en régression (Démo)
• Explorer d'autres algorithmes dans Scikit-learn (Face caméra)
• Comprendre la révolution du Deep Learning (Face caméra)
• Réseaux de neurones (Face caméra)
• IA générative : L'exemple du GAN (Face caméra)
• Réseaux de neurones et IA générative : mise en application (Démo)
• Interpréter et analyser les résultats pour la mise en production (Face caméra)
• Assurer la robustesse et préparer la mise en production (Face caméra)
• Comment choisir le meilleur modèle ? (Face caméra)
• Éthique de l'IA : quels biais ? (Face caméra)

Prérequis

Des connaissances de base en programmation 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