Cette formation vous apprendra les bases du Machine Learning avec Python. Vous y découvrirez des concepts, des méthodes, des outils et du vocabulaire propres au ML, appelé également l’apprentissage automatique des algorithmes. Vous comprendrez les apprentissages supervisés, les apprentissages non supervisés, par ensembles et par renforcement. Vous aborderez également des cas concrets de classification naïve bayésienne, de règles d’association et d’exploitation de k-Means. Vous finirez par voir de quelle manière ces algorithmes sont testés et validés.
Machine Learning avec Python
3 jours II Code CNCP : 2234 II Certif info : 93835
Les objectifs de la formation Machine Learning avec Python
A l’issue de la formation « Machine Learning avec Python », les apprenants auront les capacités de :
- Connaître les concepts de base de l’apprentissage automatique en Python
- Nettoyage des données pour optimiser leur intégration dans le modèles de Machine Learning
- Effectuer une régression dans un environnement d’apprentissage supervisé
- Effectuer une classification dans un environnement d’apprentissage supervisé, en enseignant au modèle des paramètres définis
- Mesure et évaluation du pipeline d’apprentissage machine afin d’améliorer la solution au fil du temps.
- Lecture, exploration, nettoyage et préparation des données avec Pandas, la bibliothèque d’analyse des tables de données la plus populaire
- Utilisation la bibliothèque Scikit-Learn pour déployer des modèles prédéfinis, les former et voir les résultats en quelques lignes de code
- Utilisation de l’optimisation hyper-paramétrique pour obtenir la meilleure version possible de chaque modèle pour une application spécifique
Les prérequis de la formation Machine Learning avec Python
- Maîtriser l’algorithmique,
- Connaissances en mathématiques et des statistiques
- Connaissance de Python (formation Cegefos : « Programmation en Python » )
Vous n’avez pas les prérequis nécessaires pour la formation Machine Learning avec Python? Contactez-nous pour étudier ensemble un parcours sur mesure et garantir ainsi la réussite de votre projet.
Le public de la formation Machine Learning avec Python
La formation certifiante « Machine Learning avec Python », s’adresse à tout public salarié, demandeur d’emploi ou en reconversion professionnelle et souhaitant acquérir des compétences en BIG DATA, notamment:
- Data Scientist / Data Miner
- Débutant en Python
- Statisticien
- Marketer spécialiste de la data
- Utilisateur de bases de données intéressé par l’analyse
- Responsable système d’informations
- Développeurs informatiques, ingénieurs d’études
- Architecte système et logiciel
- Data scientist (analyse de données) ou Data miner (fouilleur des données)
0
Certif Info
0
Code CNCP
0
Jours
0
Heures
Contenu de la formation
Machine Learning avec Python
Initiation au machine Learning
- Fondements du Machine Learning
- Introduction au Machine Learning
- Groupes de Machine Learning
- Besoins du Machine Learning
- Cycle de vie du Machine Learning
- Identification des biais cognitifs humains
Classification du machine Learning
- Théorie du Naïve Bayes
- Régression logistique binomiale
- Théorie k-NN
- Arbres de classification
- Forêts d’arbres de décision
- Support vector machine
Régression linéaire avec Python
- Définition de la régression
- Régression linéaire univariée
- Régression linéaire multivariée
- Régression linéaire polynomiale
- Régressions régularisées
- Programmer une régression linéaire en Python
- Utilisation des expressions lambda et des listes en intention
- Afficher la régression avec MathPlotLib
- L’erreur quadratique
- La variance
- Le risque
Initiation au clustering
- Définition du clustering
- Méthode k-means
- Clustering hiérarchique
Initiation aux Règles d’association
- Définition des règles d’association
- Initiation à la méthode A priori
- Évaluation des règles d’association candidates
Réduction dimensionnelle
- Définition de la réduction dimensionnelle
- Utilisation des méthodes de sélection de variables
- Méthode ACP
- Méthode ADL
Algorithmes Du Machine Learning
- Initiation à l’ensemble learning
- Apprentissage par renforcement
- Régression linéaire simple et multiple
- Régression polynomiale
- Séries temporelles
- Régression logistique et applications en scoring
- Classification hiérarchique et non hiérarchique (K-Means)
- Classification par arbres de décision ou approche Naïve Bayes
- Ramdom Forest (développement des arbres de décision)
- Gradiant Boosting
- Réseaux de neurones
- Machine à support de vecteurs
- Deep Learning : exemples et raisons du succès actuel
- Text Mining : analyse des corpus de données textuelles
Atelier cas pratique
Numpy Et Scipy
- Tableaux et matrices
- Algèbre linéaire avec Numpy
- Numpy et MathPlotLib
Scikit learn
- Machine Learning avec SKLearn
- Régression linéaire
- Création du modèle
- Echantillonnage
- Randomisation
- Apprentissage avec fit
- Prédiction du modèle
- Metrics
- Choix du modèle
- PreProcessing et Pipeline
- Régressions non polynomiales
Test et validation des algorithmes
- Validation des algorithmes
- Atelier cas pratique
- Techniques de ré-échantillonnage en jeu d’apprentissage, de validation et de test
- Mesures de performance des modèles prédictifs
- Matrice de confusion, de coût et la courbe ROC et AUC
Atelier cas pratique
Une attestation d’assiduité sera délivrée après la validation de toutes les compétences du module Machine Learning avec Python.
Modalités De Formations
Machine Learning avec Python
La formation certifiante Machine Learning avec Python est disponible en 3 modalités : E-learning tutoré, Blended Learning et en présentiel.