MACHINE LEARNING EN PYTHON
Cette formation alterne contenu théorique et mise en pratique. Elle vous permettra de comprendre en profondeur le Machine Learning : ses enjeux et ses limites, comment concevoir un use case, quels sont les principaux algorithmes et comment les utiliser, les optimiser, et évaluer la qualité des modèles prédictifs obtenus. Vous mettrez les notions apprises en pratique sur des cas concrets réels, et maîtriserez les bonnes pratiques du domaine, les écueils à éviter absolument, le cycle de développement et de déploiement, ainsi que la supervision du modèle en production. L’objectif est de vous donner toutes les bases nécessaires pour que vous puissiez à l’issue de la formation faire votre propre projet de Machine Learning, depuis la récupération des données jusqu’à l’exploitation de votre modèle. Vous comprendrez comment appliquer ces techniques sur des données structurées, du texte, ainsi que des séries temporelles.
Objectifs de la formation
- Comprendre l’apport du Machine Learning et ses limites
- Maîtriser les principaux algorithmes
- Savoir créer et optimiser un modèle prédictif en python
- Mesurer la qualité des modèles et les performances attendues en production
- Connaître le workflow global du projet
- Savoir mettre en œuvre les bonnes pratiques pour éviter les écueils de ce type de projet
- Pouvoir déployer un modèle, le superviser et le mettre à jour en production
- Comprendre comment appliquer le Machine Learning sur des données structurées, sur du texte, et sur des séries temporelles
Profil des bénéficiaires
Prérequis
- Développeur, data engineer, data analyst, data scientist, chercheur, ingénieur R&D, chef de projet technique, statisticien, et toute personne travaillant dans la data et sachant manipuler du code informatique
- Connaitre un langage de programmation, idéalement python
Contenu de la formation
Contenu de la formation
- Principe général et concepts basiques
- Exemples de cas d’usage dans différents secteurs : industrie, marketing, IoT, web, énergie...
- Cadre d’utilisation : possibilités et limitations
- Bien formuler la problématique : comment passer d’un problème métier à un problème Machine Learning
- Python scientifique : numpy, pandas, matplotlib, scipy
- La lirairie Scikit-learn
- Notebook Jupyter, Anaconda
- Régression linéaire et régression logistique
- K plus proches voisins : KNN
- Arbres de décision et Random Forests
- Régression : MAE, MSE, RMSLE, R2...
- Classification : accuracy, precision, recall, F1 score...
- Procédures d’évaluation : train-test split, cross-validation, validation set
- Gridsearch, randomsearch
- Soft optimisation et hard optimisation
- Déroulé d’un projet de data science : une procédure itérative
- Workflow complet du projet
- Pipeline de transformation
- Ecueils à éviter et comment s’en prémunir : surrapprentissage (overfitting) et fuite de données (data leakage)
- Traitement des données aberrantes et manquantes
- Normalisation et standardisation
- Combinaison de features
- Déployer un modèle en production via une API
- Monitoring des modèles
- Mise à jour des modèles
- Boosting et gradient boosting
- Clustering
- Détection d’anomalie
- Réseaux de neurones et Deep Learning
- Comment traiter du texte
- Comment traiter des séries temporelles
Suivi de l'exécution et évaluation des résultats
- Feuilles de présence.
- Questions orales ou écrites (QCM).
- Mises en situation.
- Formulaires d'évaluation de la formation.
- Certificat de réalisation de l’action de formation.
Ressources techniques et pédagogiques
- Accueil des apprenants dans une salle dédiée à la formation.
- Documents supports de formation projetés.
- Exposés théoriques
- Etude de cas concrets
- Quiz en salle
- Mise à disposition en ligne de documents supports à la suite de la formation.
Accessibilité
Remplir le questionnaire de pré-formation Les moyens d’accès physiques aux personnes handicapés sont soumis aux normes des installations du client. Des dispositifs peuvent être prévus en cas d’un handicap auditif, visuel, mental ou psychique.
Envoyer ma demande
Complétez ce formulaire et nous vous répondons sous 24 h ouvrées avec un devis personnalisé.