LEARNING
FOR SUCCESS*


> formation Technologies numériques > formation Big Data, Intelligence Artificielle > formation IA, Machine Learning, analyse de données > formation Machine learning, méthodes et solutions
Toutes nos formations IA, Machine Learning, analyse de données

Formation Machine learning, méthodes et solutions

4,1 / 5
Stage pratique
Best
Durée : 4 jours
Réf : MLB
Prix  2020 : 2580 € H.T.
Pauses et déjeuners offerts
  • Programme
  • Cycles certifiants
  • Participants / Prérequis
  • Intra / sur-mesure
  • avis vérifiés
Programme

Le Machine Learning couvre l'ensemble des méthodes et concepts qui permettent d'extraire automatiquement à partir de données, des modèles de prédiction et de prise de décision. Vous mettrez en œuvre toute la chaîne de conception appliquée au Machine Learning dans un contexte Big Data batch et streaming.

Objectifs pédagogiques

  • Comprendre les différents modèles d'apprentissage
  • Modéliser un problème pratique sous forme abstraite
  • Identifier les méthodes d'apprentissage pertinentes pour résoudre un problème
  • Appliquer et évaluer les méthodes identifiées sur un problème
  • Faire le lien entre les différentes techniques d'apprentissage
PROGRAMME DE FORMATION

Introduction au Machine Learning

  • Le Big Data et le Machine Learning.
  • Les algorithmes d'apprentissage supervisés, non supervisés et par renforcement.
  • Les étapes de construction d'un modèle prédictif.
  • Détecter les valeurs aberrantes et traiter les données manquantes.
  • Comment choisir l'algorithme et les variables de l'algorithme ?

Démonstration
Prise en main de l'environnement Spark avec Python à l'aide de Jupyter Notebook. Visualiser plusieurs exemples de modèles fournis.

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
Evaluation et comparaison des différents algorithmes sur les modèles fournis.

Les modèles prédictifs, l'approche fréquentiste

  • Apprentissage statistique.
  • Conditionnement des données et réduction de dimension.
  • Machines à vecteurs supports et méthodes à noyaux.
  • Quantification vectorielle.
  • Réseaux de neurones et Deep Learning.
  • Ensemble learning et arbres de décision.
  • Les algorithmes de Bandits, optimisme face à l'incertitude.

Travaux pratiques
Mise en œuvre des familles d'algorithmes en utilisant des jeux de données variés.

Les modèles et apprentissages bayésiens

  • Principes d'inférence et d'apprentissage bayésiens.
  • Modèles graphiques : réseaux bayésiens, champs de Markov, inférence et apprentissage.
  • Méthodes bayésiennes : Naive Bayes, mélanges de gaussiennes, processus gaussiens.
  • Modèles markoviens : processus markoviens, chaînes de Markov, chaînes de Markov cachées, filtrage bayésien.

Travaux pratiques
Mise en œuvre des familles d'algorithmes en utilisant des jeux de données variés.

Machine Learning en production

  • Les spécificités liées au développement d'un modèle en environnement distribué.
  • Le déploiement Big Data avec Spark et la MLlib.
  • Le Cloud : Amazon, Microsoft Azure ML, IBM Bluemix...
  • La maintenance du modèle.

Travaux pratiques
Mise en production d'un modèle prédictif avec l'intégration dans des processus de batch et dans des flux de traitements.

Cycles certifiants
Participants / Prérequis

» Participants

Ingénieurs/chefs de projet souhaitant considérer les techniques d'apprentissage automatique dans la résolution de problèmes industriels.

» Prérequis

Connaissances de base en Python et en statistiques de base (ou connaissances équivalentes à celles apportées par le stage "Statistiques, maîtriser les fondamentaux" (Réf. STA)).
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
Andry R. 17/11/2020
5 / 5
Formation très intéressante mais contenu trop dense. Pour la pédagogie très bien !

Alain L. 17/11/2020
5 / 5
Formation très intéressante avec un support et des TPs de bon niveau. Formateur pédagogue et disponible. Les informations fournies sont le reflet de l'état de l'art.

Bruno S. 17/11/2020
5 / 5
Contenu très dense, difficulté/temps pour assimiler/comprendre un sujet

Dimitri L. 17/11/2020
5 / 5
Le contenu est particulièrement dense, mais c'est normal pour un sujet si vaste. Il s'agit d'une bonne entrée en matière, mais il faut approfondir par la suite.

Alice S. 17/11/2020
4 / 5
Formateur au top. Pour moi, beaucoup trop vite sur les jours 2 et 3.

Inpong L. 17/11/2020
5 / 5
Contenu intéressant. Très bonne présentation du formateur: disponible, patient et pédagogue. Très bonne ambiance du groupe.

Reda A. 17/11/2020
5 / 5
Très bon équilibre cours théorique/travaux pratiques. La formation correspond très bien aux attentes et le formateur prend le temps de répondre aux questions et d'expliquer les concepts très clairement. La durée est adapté au volume d'information dispensé par la formation.

Thierry D. 17/11/2020
5 / 5
Très content des retours concrets sur la manière réelle, pratique, de travailler. Aspect pratique : le projet global, pas que la partie technique Content de tous les échanges. Axe d'amélioration Plus de quizz (tous les jours)

Charlie M. 17/11/2020
5 / 5
Un grand professionnel de la formation. Je suis très content de cette formation. Merci !

CUQ C. 17/11/2020
5 / 5
Excellente formation. Contenu de qualité. Formateur à l'écoute et attentif à chaque apprenant (malgré le fait que la formation était à distance).

Thomas L. 17/11/2020
5 / 5
Contenu très complet et très riche ! Etienne est très compétent et très pédagogue : répond aux questions de façon précise, communication claire, maîtrise le sujet !! Très bonne répartition Cours Magistral/TP. Superbe formation !!!

Damien B. 17/11/2020
5 / 5
Très intéressant, sujet passionnant et copieux. Formateur à l'écoute, réactif et très clair.

Pol P. 05/10/2020
2 / 5
Déçu par l'ensemble de cette formation. Faiblesse des explications sur les concepts théoriques, exercices peu pertinents puisque manquant de contexte et consistant principalement à réaliser des copiers / collers de méthodes issues de la bonne documentation... Beaucoup d'erreurs dans les slides (typo, fautes d'orthographe...). J'aurais aimé plus d'infos et pratiques sur le deep learning, qui est plus contemporain que certai

Antoine D. 05/10/2020
2 / 5
Absence de maîtrise théorique du formateur Absence de pédagogie du formateur, récitation des slides sans compréhension ni explication des enjeux Exercices inintéressants équilibre des différents sujets: trop de temps sur des sujets sans intérêt, peu de temps

Gwladys H. 05/10/2020
3 / 5
support de cours avec pas mal de fautes (d'orthographe mais surtout de fond) - beaucoup de temps passé en TP dans la préparation des données, moins dans la partie modèle et résultats ce qui était la partie la plus intéressante pour nous - une grosse partie des TPs pouvait être faite en cherchant sur Google les bons termes, les bonnes librairies... intérêt moyen. encore une fois, on aurait pu passer plus de temps

Estelle L. 05/10/2020
3 / 5
Manque de clarté des explications des modèles théoriques, peu de retour d'expérience sur la paramétrisation des modèles, pb d'install, trop de temps passé à transformer les data dans les TP plutôt que sur les modèles eux-mêmes....

Corre L. 05/10/2020
4 / 5
Les +: Les excercices fait sur jupyther notebook permettent de comprendre rapidement les concepts et essayer. Les - : Les slides sont de qualités moyennes. Il n'y a pas vraiment d'exemples modernes de l'utilisation du machine learning

Louis K. 15/09/2020
5 / 5
Exercices parfois difficile ou peut-être pourrait-on pratiquer plus les bases et avoir des exercices plus progressifs

Faustine D. 15/09/2020
5 / 5
Formation très intéressante et accessible

PHONG N. 15/09/2020
5 / 5
très bonne animation. le contenu est riche mais nous avons bien balayé les différents sujets évoqués en cours magistral lors des TP
Avis client 4,1 / 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.

CLASSE A DISTANCE

En inter et en intra-entreprise
Inscrivez-vous ou contactez-nous !

Pour vous inscrire

Cliquez sur la ville, puis sur la date de votre choix.
[+]
CLASSE A DISTANCE
[+]
PARIS
[+]
AIX
[+]
ANGERS
[+]
BORDEAUX
[+]
BREST
[+]
BRUXELLES
[+]
CLERMONT-FERRAND
[+]
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.
Filières métiers