Venez en toute sécurité dans nos centres ! Voir notre dispositif sanitaire

> Formations > Technologies numériques > Big Data, Intelligence Artificielle > IA, Machine Learning, analyse de données > Formation Machine learning, méthodes et solutions > Formations > Technologies numériques > Formation Machine learning, méthodes et solutions
Formation incontournable

Machine learning, méthodes et solutions

Machine learning, méthodes et solutions

Télécharger au format pdf Partager cette formation par e-mail


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. Durant ce cours, vous mettrez en œuvre les différents algorithmes du domaine et appréhendez les bonnes pratiques d'un projet Machine Learning.


Inter
Intra
Sur mesure

Cours pratique en présentiel ou en classe à distance

Réf : MLB
Prix : 2690 € HT
  4j - 28h
Pauses-café et
déjeuners offerts




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. Durant ce cours, vous mettrez en œuvre les différents algorithmes du domaine et appréhendez les bonnes pratiques d'un projet Machine Learning.

Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
  • 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

Public concerné
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)).

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Programme de la 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.


Parcours certifiants associés
Pour aller plus loin et renforcer votre employabilité, découvrez les parcours certifiants qui contiennent cette formation :

Solutions de financement
Pour trouver la meilleure solution de financement adaptée à votre situation : contactez votre conseiller formation.
Il vous aidera à choisir parmi les solutions suivantes :
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.


Avis clients
4,5 / 5
Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.
SIMON M.
14/12/21
5 / 5

On sent une expertise très forte de notre formateur, et c’était super d’avoir son retour d’expert sur des cas déjà rencontré. Ca m’a permis de valider mes méthodologies et mes connaissance donc je suis très satisfait.
KARLA Q.
14/12/21
3 / 5

- contenu très complet - un peu dense pour 4 jours mais adapté si le but est d’avoir un aperçu général
CHEVALIER L.
14/12/21
3 / 5

beaucoup de temps à été consacré aux modèles les plus simples. J"aurais aimé avoir plus de contenu sur les modèles et apprentissages bayésiens (qui sont un chapitre complet sur la descritpion) Ainsi que le machine learning et le deep NN en production (uniquement évoqué mais pas d’exemples)




Horaires
En présentiel, les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
En classe à distance, la formation démarre à partir de 9h.
Pour les stages pratiques de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 15h30 le dernier jour.

Dates et lieux
Pour vous inscrire, sélectionnez la ville et la date de votre choix.
Du 15 au 18 mars 2022
Lyon
S’inscrire
Du 15 au 18 mars 2022
Grenoble
S’inscrire
Du 29 mars au 1 avril 2022
Lille
S’inscrire
Du 29 mars au 1 avril 2022
Orléans
S’inscrire
Du 29 mars au 1 avril 2022
Tours
S’inscrire
Du 29 mars au 1 avril 2022
Paris La Défense
S’inscrire
Du 29 mars au 1 avril 2022
Classe à distance
S’inscrire
Du 29 mars au 1 avril 2022
Luxembourg
S’inscrire
Du 29 mars au 1 avril 2022
Genève
S’inscrire
Du 29 mars au 1 avril 2022
Bruxelles
S’inscrire
Du 12 au 15 avril 2022
Rennes
S’inscrire
Du 12 au 15 avril 2022
Brest
S’inscrire
Du 12 au 15 avril 2022
Nantes
S’inscrire
Du 19 au 22 avril 2022
Aix-en-Provence
S’inscrire
Du 19 au 22 avril 2022
Toulouse
S’inscrire
Du 19 au 22 avril 2022
Angers
S’inscrire
Du 19 au 22 avril 2022
Pau
S’inscrire
Du 19 au 22 avril 2022
Niort
S’inscrire
Du 19 au 22 avril 2022
Bordeaux
S’inscrire
Du 19 au 22 avril 2022
Sophia-Antipolis
S’inscrire
Du 19 au 22 avril 2022
Strasbourg
S’inscrire
Du 19 au 22 avril 2022
Montpellier
S’inscrire
Du 19 au 22 avril 2022
Classe à distance
S’inscrire
Du 19 au 22 avril 2022
Limoges
S’inscrire
Du 19 au 22 avril 2022
Paris La Défense
S’inscrire
Du 19 au 22 avril 2022
Toulon
S’inscrire
Du 19 au 22 avril 2022
Reims
S’inscrire
Du 19 au 22 avril 2022
Rouen
S’inscrire
Du 19 au 22 avril 2022
Caen
S’inscrire
Du 17 au 20 mai 2022
Paris La Défense
S’inscrire
Du 17 au 20 mai 2022
Classe à distance
S’inscrire
Du 17 au 20 mai 2022
Luxembourg
S’inscrire
Du 17 au 20 mai 2022
Bruxelles
S’inscrire
Du 17 au 20 mai 2022
Genève
S’inscrire
Du 17 au 20 mai 2022
Strasbourg
S’inscrire
Du 17 au 20 mai 2022
Tours
S’inscrire
Du 17 au 20 mai 2022
Rennes
S’inscrire
Du 17 au 20 mai 2022
Orléans
S’inscrire
Du 17 au 20 mai 2022
Lille
S’inscrire
Du 17 au 20 mai 2022
Nantes
S’inscrire
Du 7 au 10 juin 2022
Toulouse
S’inscrire
Du 7 au 10 juin 2022
Lyon
S’inscrire
Du 7 au 10 juin 2022
Clermont-Ferrand
S’inscrire
Du 7 au 10 juin 2022
Grenoble
S’inscrire
Du 7 au 10 juin 2022
Bordeaux
S’inscrire
Du 7 au 10 juin 2022
Metz
S’inscrire
Du 7 au 10 juin 2022
Paris La Défense
S’inscrire
Du 7 au 10 juin 2022
Dijon
S’inscrire
Du 7 au 10 juin 2022
Nancy
S’inscrire
Du 7 au 10 juin 2022
Classe à distance
S’inscrire
Du 21 au 24 juin 2022
Sophia-Antipolis
S’inscrire
Du 21 au 24 juin 2022
Montpellier
S’inscrire
Du 21 au 24 juin 2022
Aix-en-Provence
S’inscrire
Du 5 au 8 juillet 2022
Nantes
S’inscrire
Du 5 au 8 juillet 2022
Angers
S’inscrire
Du 5 au 8 juillet 2022
Lille
S’inscrire
Du 5 au 8 juillet 2022
Orléans
S’inscrire
Du 5 au 8 juillet 2022
Strasbourg
S’inscrire
Du 5 au 8 juillet 2022
Tours
S’inscrire
Du 5 au 8 juillet 2022
Rennes
S’inscrire
Du 5 au 8 juillet 2022
Brest
S’inscrire
Du 5 au 8 juillet 2022
Classe à distance
S’inscrire
Du 5 au 8 juillet 2022
Caen
S’inscrire
Du 5 au 8 juillet 2022
Rouen
S’inscrire
Du 5 au 8 juillet 2022
Reims
S’inscrire
Du 5 au 8 juillet 2022
Paris La Défense
S’inscrire
Du 5 au 8 juillet 2022
Luxembourg
S’inscrire
Du 5 au 8 juillet 2022
Genève
S’inscrire
Du 5 au 8 juillet 2022
Bruxelles
S’inscrire
Du 19 au 22 juillet 2022
Toulon
S’inscrire
Du 19 au 22 juillet 2022
Sophia-Antipolis
S’inscrire
Du 19 au 22 juillet 2022
Montpellier
S’inscrire
Du 19 au 22 juillet 2022
Aix-en-Provence
S’inscrire
Du 9 au 12 août 2022
Classe à distance
S’inscrire
Du 9 au 12 août 2022
Paris La Défense
S’inscrire
Du 30 août au 2 septembre 2022
Limoges
S’inscrire
Du 30 août au 2 septembre 2022
Nancy
S’inscrire
Du 30 août au 2 septembre 2022
Dijon
S’inscrire
Du 30 août au 2 septembre 2022
Lyon
S’inscrire
Du 30 août au 2 septembre 2022
Toulouse
S’inscrire
Du 30 août au 2 septembre 2022
Clermont-Ferrand
S’inscrire
Du 30 août au 2 septembre 2022
Grenoble
S’inscrire
Du 30 août au 2 septembre 2022
Pau
S’inscrire
Du 30 août au 2 septembre 2022
Metz
S’inscrire
Du 30 août au 2 septembre 2022
Niort
S’inscrire
Du 30 août au 2 septembre 2022
Bordeaux
S’inscrire
Du 6 au 9 septembre 2022
Tours
S’inscrire
Du 6 au 9 septembre 2022
Orléans
S’inscrire
Du 6 au 9 septembre 2022
Lille
S’inscrire
Du 6 au 9 septembre 2022
Classe à distance
S’inscrire
Du 6 au 9 septembre 2022
Luxembourg
S’inscrire
Du 6 au 9 septembre 2022
Paris La Défense
S’inscrire
Du 6 au 9 septembre 2022
Bruxelles
S’inscrire
Du 6 au 9 septembre 2022
Genève
S’inscrire
Du 20 au 23 septembre 2022
Aix-en-Provence
S’inscrire
Du 20 au 23 septembre 2022
Sophia-Antipolis
S’inscrire
Du 20 au 23 septembre 2022
Montpellier
S’inscrire
Du 27 au 30 septembre 2022
Lyon
S’inscrire
Du 27 au 30 septembre 2022
Grenoble
S’inscrire
Du 4 au 7 octobre 2022
Angers
S’inscrire
Du 4 au 7 octobre 2022
Nantes
S’inscrire
Du 4 au 7 octobre 2022
Strasbourg
S’inscrire
Du 4 au 7 octobre 2022
Brest
S’inscrire
Du 4 au 7 octobre 2022
Rennes
S’inscrire
Du 4 au 7 octobre 2022
Paris La Défense
S’inscrire
Du 4 au 7 octobre 2022
Classe à distance
S’inscrire
Du 4 au 7 octobre 2022
Reims
S’inscrire
Du 4 au 7 octobre 2022
Rouen
S’inscrire
Du 4 au 7 octobre 2022
Caen
S’inscrire
Du 18 au 21 octobre 2022
Limoges
S’inscrire
Du 18 au 21 octobre 2022
Pau
S’inscrire
Du 18 au 21 octobre 2022
Bordeaux
S’inscrire
Du 18 au 21 octobre 2022
Niort
S’inscrire
Du 18 au 21 octobre 2022
Toulouse
S’inscrire
Du 22 au 25 novembre 2022
Lille
S’inscrire
Du 22 au 25 novembre 2022
Orléans
S’inscrire
Du 22 au 25 novembre 2022
Tours
S’inscrire
Du 22 au 25 novembre 2022
Luxembourg
S’inscrire
Du 22 au 25 novembre 2022
Paris La Défense
S’inscrire
Du 22 au 25 novembre 2022
Classe à distance
S’inscrire
Du 22 au 25 novembre 2022
Genève
S’inscrire
Du 22 au 25 novembre 2022
Bruxelles
S’inscrire
Du 29 novembre au 2 décembre 2022
Bordeaux
S’inscrire
Du 29 novembre au 2 décembre 2022
Toulouse
S’inscrire
Du 6 au 9 décembre 2022
Lyon
S’inscrire
Du 6 au 9 décembre 2022
Clermont-Ferrand
S’inscrire
Du 6 au 9 décembre 2022
Grenoble
S’inscrire
Du 6 au 9 décembre 2022
Metz
S’inscrire
Du 6 au 9 décembre 2022
Dijon
S’inscrire
Du 6 au 9 décembre 2022
Nancy
S’inscrire
Du 13 au 16 décembre 2022
Classe à distance
S’inscrire
Du 13 au 16 décembre 2022
Toulon
S’inscrire
Du 13 au 16 décembre 2022
Paris La Défense
S’inscrire
Du 13 au 16 décembre 2022
Rennes
S’inscrire
Du 13 au 16 décembre 2022
Sophia-Antipolis
S’inscrire
Du 13 au 16 décembre 2022
Strasbourg
S’inscrire
Du 13 au 16 décembre 2022
Montpellier
S’inscrire
Du 13 au 16 décembre 2022
Nantes
S’inscrire
Du 13 au 16 décembre 2022
Aix-en-Provence
S’inscrire