> Formations > Technologies numériques > Intelligence Artificielle (IA) > IA : Machine Learning, Deep Learning > Formation Machine learning, méthodes et solutions > Formations > Technologies numériques > Formation Machine learning, méthodes et solutions
Formation Machine learning, méthodes et solutions
Formation pratique - 4j
- 28h00 - Réf. MLB
|
Télécharger le programme
Partager cette formation
 | 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 basiques en Python et en statistiques (ou connaissances équivalentes à celles apportées par la formation "Modélisation statistique, l'essentiel" (Réf. STA)).
Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant
ce test.
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
1 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.
2 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
Évaluation et comparaison des différents algorithmes sur les modèles fournis.
3 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.
4 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.
5 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 :
Options
Blended : 290 € H.T.
Approfondissez les connaissances acquises en formation grâce aux modules e-learning de notre Chaîne e-learning intelligence artificielle - machine learning, deep learning. Un apprentissage flexible et complet, à suivre à votre rythme dès le premier jour de votre présentiel.
Solutions de financement
Plusieurs solutions existent pour financer votre formation et dépendent de votre situation professionnelle.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.
Avis clients
4,4 / 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.
SAILESH H.
07/07/26
5 / 5
Des bons exercices pour pratiquer
CLAUDINE K.
07/07/26
4 / 5
La formation est très intéressante même si je n’utilise pas python
PAULINE B.
07/07/26
4 / 5
Contenu très intéressant mais niveau très dispersé entre les participants. Prévenir d’installer VSC auparavant et les prérequis python. Détailler + les prérequis.
Horaires
Les formations ont lieu de 9h à 17h30, avec une pause de 1h à 1h30 pour le déjeuner.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
Pour les formations de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 16h le dernier jour.
Date de publication : 02/10/2025
PARTICIPANTS
Ingénieurs/chefs de projet souhaitant considérer les techniques d'apprentissage automatique dans la résolution de problèmes industriels.
PRÉREQUIS
Connaissances basiques en Python et en statistiques (ou connaissances équivalentes à celles apportées par la formation "Modélisation statistique, l'essentiel" (Réf. STA)).
COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.
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.
MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.
ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.
Ingénieurs/chefs de projet souhaitant considérer les techniques d'apprentissage automatique dans la résolution de problèmes industriels.
PRÉREQUIS
Connaissances basiques en Python et en statistiques (ou connaissances équivalentes à celles apportées par la formation "Modélisation statistique, l'essentiel" (Réf. STA)).
COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.
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.
MOYENS PÉDAGOGIQUES ET TECHNIQUES
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.
MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.
ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.
Ce programme est une création originale, conçu par les équipes pédagogiques d'ORSYS Formation. Toute reproduction, représentation, adaptation ou exploitation, totale ou partielle, sans autorisation préalable écrite d'ORSYS, est strictement interdite. ORSYS se réserve le droit d'engager toute action nécessaire à la protection de ses droits de propriété intellectuelle.
Dates et lieux
Sélectionnez votre lieu ou optez pour la classe à distance puis choisissez votre date.
Classe à distance
Dernières places
Date garantie en présentiel ou à distance
Session garantie
Ce programme est une création originale, conçu par les équipes pédagogiques d'ORSYS Formation. Toute reproduction, représentation, adaptation ou exploitation, totale ou partielle, sans autorisation préalable écrite d'ORSYS, est strictement interdite. ORSYS se réserve le droit d'engager toute action nécessaire à la protection de ses droits de propriété intellectuelle.