Description

Machine Learning et Deep Learning avec Python

Durée : 28 heures
Modalités techniques d’évaluation : Évaluation des connaissances par QCM, évaluation des compétences au travers de travaux pratiques et de cas d’études. Contrôle de l’acquisition des connaissances et des compétences pendant la formation par le formateur.
Moyens pédagogiques : Apports théoriques réalisés en classe et complétés par de nombreux travaux pratiques permettent aux participants de disposer d’une expérience concrète. A l’issue des sessions magistrales, réalisation de cas d’études tutorés.

Objectifs :

• Comprendre les principes du machine learning, du deep learning et de l’intelligence artificielle
• Connaître les méthodes du machine learning et de deep learning
• Savoir faire parler ses données
• Comprendre les limites des algorithmes
• Savoir traduire un problème métier en algorithme afin de le résoudre
• Passer du reporting et de la BI au prédictif

Programme :

Introduction au Machine Learning

• Lien entre Big Data et Machine Learning
• Du machine learning au deep learning pour des applications spécifiques
• Découverte de l’éco-système Python en cloud

Les problématiques de machine learning

• D’un problème métier à un problème de machine learning

Feature engineering

• Apprendre à réduire la complexité d’un problème pour le résoudre
• Data augmentation : création de nouvelles variables pour aider à résoudre le problème

Classification par catégories 

• Arbre de décisions et forêts aléatoires
• Régression logistique
• Analyse de données non structurées : classification de textes
• Analyse de sentiments
• Mesures de performance d’une classification

Régression : détection de tendances et prévisions

Clustering : regroupement automatique par familles

• Explorer les données et les regrouper (clustering)

Le deep learning

• Les réseaux de neurones
• Les principes
• Traitement des images avec le deep learning : les réseaux de neurones à convolution
• Traitement des données textuelles avec le deep learning : les réseaux de neurones récurrents

Déployer un modèle en production

• Mise en pratique