ORSYS formation
NOUS CONTACTER - +33 (0)1 49 07 73 73
NOUS CONTACTER - 📞 +33 (0)1 49 07 73 73    espace pro ESPACE PRO     inscription formation orsys S'INSCRIRE     drapeau francais   drapeau anglais
Nos domaines de formation :
Toutes nos formations Big Data, NoSQL

Formation Big Data Analytics avec Python
modélisation et représentation des données

4,4 / 5
Stage pratique
Best
Durée : 4 jours
Réf : BDA
Prix  2019 : 2540 € H.T.
Pauses et déjeuners offerts
  • Programme
  • Cycles certifiants
  • Participants / Prérequis
  • Intra / sur-mesure
  • avis vérifiés
Programme

Le Big Bata Analytics repose sur la maîtrise des techniques d'exploration de données fondamentales : statistiques descriptives, prédictives ou exploratoires. Ce stage pratique vous présentera des méthodes telles que les régressions et les ACP et vous apprendra à les mettre en œuvre avec le logiciel Python.

Objectifs pédagogiques

  • Comprendre le principe de la modélisation statistique
  • Choisir entre la régression et la classification en fonction du type de données
  • Évaluer les performances prédictives d'un algorithme
  • Créer des sélections et des classements dans de grands volumes de données pour dégager des tendances

Travaux pratiques

Développement/réalisation d'analyses sur le logiciel Python, avec les modules pandas, NumPy, SciPy, MatPlotLib, seaborn, scikit-learn et statsmodels.
PROGRAMME DE FORMATION

Introduction à la modélisation

  • Introduction au langage Python.
  • Introduction au logiciel Jupiter Notebook.
  • Les étapes de construction d'un modèle.
  • Les algorithmes supervisés et non supervisés.
  • Le choix entre la régression et la classification.

Travaux pratiques
Installation de Python 3, d'Anaconda et de Jupiter Notebook.

Procédures d'évaluation de modèles

  • Les techniques de ré-échantillonnage en jeu d'apprentissage, de validation et de test.
  • Test de représentativité des données d'apprentissage.
  • Mesures de performance des modèles prédictifs.
  • Matrice de confusion, de coût et la courbe ROC et AUC.

Travaux pratiques
Mise en place d'échantillonnage de jeux de donnes. Effectuer des tests d'évaluations sur plusieurs modèles fournis.

Les algorithmes supervisés

  • Le principe de régression linéaire univariée.
  • La régression multivariée.
  • La régression polynomiale.
  • La régression régularisée.
  • Le Naive Bayes.
  • La régression logistique.

Travaux pratiques
Mise en œuvre des régressions et des classifications sur plusieurs types de données.

Les algorithmes non supervisés

  • Le clustering hiérarchique.
  • Le clustering non hiérarchique.
  • Les approches mixtes.

Travaux pratiques
Traitements de clustering non supervisés sur plusieurs jeux de données.

Analyse en composantes

  • Analyse en composantes principales.
  • Analyse factorielle des correspondances.
  • Analyse des correspondances multiples.
  • Analyse factorielle pour données mixtes.
  • Classification hiérarchique sur composantes principales.

Travaux pratiques
Mise en œuvre de la diminution du nombres des variables et identification des facteurs sous-jacents des dimensions associées à une variabilité importante.

Analyse de données textuelles

  • Collecte et prétraitement des données textuelles.
  • Extraction d'entités primaires, d'entités nommées et résolution référentielle.
  • Étiquetage grammatical, analyse syntaxique, analyse sémantique.
  • Lemmatisation.
  • Représentation vectorielle des textes.
  • Pondération TF-IDF.
  • Word2Vec.

Travaux pratiques
Explorer le contenu d'une base de textes en utilisant l'analyse sémantique latente.

Cycles certifiants
Participants / Prérequis

» Participants

Responsables Infocentre (Datamining, Marketing, Qualité...), utilisateurs et gestionnaires métiers de bases de données.

» Prérequis

Connaissances de base en statistiques ou avoir suivi le stages"Statistiques, maîtriser les fondamentaux" (Réf. STA). Connaissances de base en Python.
Intra / sur-mesure

Demande de devis intra-entreprise
(réponse sous 48h)

Vos coordonnées

En cochant cette case, j’atteste avoir lu et accepté les conditions liées à l’usage de mes données dans le cadre de la réglementation sur la protection des données à caractère personnel (RGPD).
Vous pouvez à tout moment modifier l’usage de vos données et exercer vos droits en envoyant un email à l’adresse rgpd@orsys.fr
En cochant cette case, j’accepte de recevoir les communications à vocation commerciale et promotionnelle de la part d’ORSYS Formation*
Vous pouvez à tout moment vous désinscrire en utilisant le lien de désabonnement inclus dans nos communications.
* Les participants inscrits à nos sessions de formation sont également susceptibles de recevoir nos communications avec la possibilité de se désabonner à tout moment.
Avis vérifiés
picto avis vérifiés
Gautier C. 29/07/2019
4 / 5
très bon contenu et formateur totalement expert. En revanche sujet très technique et ardu qui nécessiterait un petit peu plus de pédagogie pour moi du moins.

Rabih T. 29/07/2019
4 / 5
Le contenu est très intéressant mais dense en même temps. La diversité des sujets abordés rend le suivi un peu difficile. Le formateur a un grand back ground mais j'aurais préféré un peu plus de pédagogie. Il serait mieux d'expliquer les objectifs de chaque exemple avant de le démarrer.

Bertrand V. 29/07/2019
4 / 5
Formation très dense. J'aurais aimé avoir une description textuelle des objectifs des différents exercices, ainsi qu'une liste des algorithmes existants.

Luc D. 29/07/2019
4 / 5
Certaines parties plus complexes sont difficiles à apréhender

Sébastien B. 29/07/2019
4 / 5
1 jour de plus serait bien pour approfondir certains sujets

FLavie D. 29/07/2019
4 / 5
Je pense qu'il pourrait être intéressant de préciser que si on a pas de connaissance en langage et statistique, la formation peut sembler 'longue'. En effet, la qualité de l'animation par le formateur ainsi que le support bien qu'intéressant, laisse une impression d'incomplétude pour des personnes qui ne possèdent pas ces deux bagages.

MARCEL B. 29/07/2019
5 / 5
Très intéressant. Un nouveau mode s'ouvre pour traiter les bases de données disponibles dans l'entreprise.

FAN G. 29/07/2019
5 / 5
Tres bonne formation dans la globalité, bien organisé, support très utile. Il manque peut-être un peu de présentation de big picture de machine Learning ( style application possibles etc)

DEVEHAT L. 11/06/2019
2 / 5
La formation n'a pas apporté le contenu attendu : aucune analyse coté big data (alors que c'est mentionné dans l'intitulé de la formation) Sujet trop survolé et liens entre sujets difficiles Support du cours papier Ok mais non suivi durant la formation Code fourni non commenté rendant son utilisation ultérieure sans doute plus difficile

Duval 11/06/2019
4 / 5
Support du cours très peu utilisé, du coup le plan du cours n'est pas très clair. La formation gagnerait à avoir un plan clair, à plus s'appuyer sur le support écrit. L'utilisation de jupyter est bien adaptée à ce genre de travaux/exercices. Une architecture plus claire des notebooks "cours" et "exercices" permettrait de mieux s'y retrouver à la fin de la formation.

Vincent B. 11/06/2019
4 / 5
Le contenu était très intéressant et enrichissant, cependant le cours ne suit pas forcément le support de formation, or c'est celui-ci qui reste après la formation si on souhaite revoir des notions. Ainsi comme nous n'avons pas vraiment suivi le support, cela peut être gênant de faire le lien entre les explications du formateur et le support.

VINCENT D. 11/06/2019
4 / 5
Il aurait intéressant d'avoir un fil conducteur et se passer un peu plus de temps sur Python: partir de l'appropriation du vocabulaire et de la syntaxe Python. préparer les données regarder tous les algorithmes évaluer la pertinences de chacun.

SIHAM B. 11/06/2019
5 / 5
Le contenu était clair et la pédagogie adaptée au contenu

Stéphanie G. 11/06/2019
5 / 5
contenu complet et synthétique

IBANEZ G. 11/06/2019
5 / 5
Beaucoup de contenu pour une formation de 4 jours, dommage de ne pas avoir plus de temps pour l'équilibré avec la pratique

Prasaad C. 15/04/2019
4 / 5
Très bonne formation, permet de bien cerner les bases du Machine Learning. Je m'attendais à plus de théorie (la partie pratique est déjà très bien documentée par des MOOC alors que des cours théoriques de qualité sont plus difficiles à trouver). Formateur dynamique et à l'écoute, merci !

Kévin G. 15/04/2019
5 / 5
Formateur très impliqué et très pédagogue. Très bon contenu pour se lancer dans le monde du Machine Learning. De nombreux exemples d'application à disposition.

Aurelie B. 15/04/2019
5 / 5
Bonne base pour démarrer des analyses. Très bon équilibre entre le code à écrire et le reprise de l'existant. Intervenant qui s'adapte aux questions des élèves

Thomas D. 15/04/2019
5 / 5
Formation très dense, cela va donc très vite sur certains points et il serait donc bon d'avoir un plan de cours plus clair. Mais sinon très bien, j'ai appris plein de choses.

Sébastien D. 15/04/2019
5 / 5
Le contenu et la pédagogie répondent complètement à mes attentes. Seul le support de cours m'a l'air un peu moins utile car il me semble redondant des notebooks effectués pendant la formation.
Avis client 4,4 / 5

Les avis client sont issus des feuilles d’évaluation de fin de formation. La note est calculée à partir de l’ensemble des avis datant de moins de 12 mois.

Pour vous inscrire

Cliquez sur la ville, puis sur la date de votre choix.
[+]
PARIS
[+]
AIX
[+]
ANGERS
[+]
BORDEAUX
[+]
BRUXELLES
[+]
DIJON
[+]
GENEVE
[+]
GRENOBLE
[+]
LILLE
[+]
LIMOGES
[+]
LUXEMBOURG
[+]
LYON
[+]
MONTPELLIER
[+]
NANCY
[+]
NANTES
[+]
NIORT
[+]
ORLEANS
[+]
REIMS
[+]
RENNES
[+]
ROUEN
[+]
SOPHIA-ANTIPOLIS
[+]
STRASBOURG
[+]
TOULON
[+]
TOULOUSE
[+]
TOURS

Horaires

Les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45.
Pour les stages pratiques de 4 ou 5 jours, les sessions se terminent à 15h30 le dernier jour.
Formations conseillées
Filières métiers
Thème associé
En poursuivant votre navigation, vous acceptez l’utilisation de cookies nous permettant de vous proposer des offres correspondant à vos centres d’intérêt.
En savoir plus sur l’usage des cookies…   ✖ Fermer
linkedin orsys
twitter orsys
it! orsys
instagram orsys
pinterest orsys
facebook orsys
youtube orsys