menu logo orsys formation
NOUS CONTACTER - +33 (0)1 49 07 73 73
NOUS CONTACTER - 📞 +33 (0)1 49 07 73 73    espace pro ESPACE PRO     inscription formation orsys S'INSCRIRE     drapeau francais   drapeau anglais
Nos domaines de formation :
Toutes nos formations IA, Machine Learning, analyse de données

Formation Machine learning, méthodes et solutions

4,5 / 5
Stage pratique
Best
Durée : 4 jours
Réf : MLB
Prix  2019 : 2540 € H.T.
Pauses et déjeuners offerts
  • Programme
  • Participants / Prérequis
  • Intra / sur-mesure
  • avis vérifiés
Programme

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. Vous mettrez en œuvre toute la chaîne de conception appliquée au Machine Learning dans un contexte Big Data batch et streaming.

Objectifs pédagogiques

  • 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

Exercice

Les participants sont libres de choisir R, Python ou Scala pour effectuer les exercices sur plusieurs jeux de données d'une très grande variété.

Méthodes pédagogiques

Chaque algorithme de la formation est d'abord présenté théoriquement suivi d'une démonstration dans chacun des trois langages R, Python et Scala.
PROGRAMME DE 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 R, Python et Scala 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 algoritmes 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.

Participants / Prérequis

» Participants

Ingénieurs/chefs de projet souhaitant considérer les techniques d'apprentissage automatique dans la résolution de problèmes industriels.

» Prérequis

Bonnes connaissances en statistiques de base, ou connaissances équivalentes à celles apportées par le stage "Statistiques, maîtriser les fondamentaux" (Réf. STA).
Intra / sur-mesure

Demande de devis intra-entreprise
(réponse sous 48h)

Vos coordonnées

En cochant cette case, j’atteste avoir lu et accepté les conditions liées à l’usage de mes données dans le cadre de la réglementation sur la protection des données à caractère personnel (RGPD).
Vous pouvez à tout moment modifier l’usage de vos données et exercer vos droits en envoyant un email à l’adresse rgpd@orsys.fr
En cochant cette case, j’accepte de recevoir les communications à vocation commerciale et promotionnelle de la part d’ORSYS Formation*
Vous pouvez à tout moment vous désinscrire en utilisant le lien de désabonnement inclus dans nos communications.
* Les participants inscrits à nos sessions de formation sont également susceptibles de recevoir nos communications avec la possibilité de se désabonner à tout moment.
Avis vérifiés
picto avis vérifiés
Imad 04/06/2019
3 / 5
Manque d'organisation des supports (support copier/coller d'autres livres bien connus dans le domaine, présentation non-claire même slides non-numérotés) ...

Pascal 04/06/2019
4 / 5
Pourrait passer un peu plus de temps sur la compréhension des concept théoriques, et un peu moins de temps sur les détails techniques. Répondre trop en détail aux question empêche aussi de passer assez de temps sur tous les sujets.

Alexandre T. 04/06/2019
5 / 5
Le contenu couvre la plus part de mes attentes, la pédagogie du formateur est excellente

Stéphane M. 04/06/2019
5 / 5
LE contenu est très intéressant mais pour un sujet aussi complexe 4 jours c'est peu, la partie théorique mériterait d'être plus approfondie. Sans connaissance préalable cela peut être ardu. 5 jours semble un minimum.

Sandra U. 04/06/2019
5 / 5
Pourrait être envisager en version plus longue en proposant 2 niveaux

Nicolas G. 04/06/2019
5 / 5
Formateur toujours à disposition et pédagogue. Peut être faire un peu moins de pratique et plus de théorie. Développer l'aspect gestion de projet de ML Un plan de cours devrait cependant être présenté au début faciliter le suivi des différents concepts abordés au cours de la semaine.

Christine P. 23/05/2019
5 / 5
Peut-être prendre le temps de pouvoir commenter davantage les exercices.

David C. 23/05/2019
5 / 5
Très bonne présentation, très didactique

Berthault-Larue 16/05/2019
4 / 5
Ayant peu de base de mathématiques statistiques, il est difficile pour moi de comprendre certaines variances. Cependant, le formateur prend le temps de nous expliquer les informations et de les vulgariser dans la mesure du possible

CAPUTO D. 16/05/2019
5 / 5
Excellente présentation

Bourquin-Ortelli M. 16/05/2019
5 / 5
Cours très intéressant et dense

Lhoussain b. 23/04/2019
5 / 5
très satisfait du formateur et sa façon de transmettre.

Vincent G. 23/04/2019
5 / 5
Très bon formateur, très intéressant, bon support de présentation. Petite remarque : mettre à jour le support papier pour inclure les librairies comme pandas, numpy, scikitlearn, ...

Barreteau M. 23/04/2019
5 / 5
La pratique (même avec un niveau très faible en python) permet de comprendre assez rapidement la philosophie de chaque algo

Nicolas G. 23/04/2019
5 / 5
Félicitations au formateur pour son engagement, sa capacité de synthèse et l'organisation du contenu

Zahir A. 23/04/2019
5 / 5
Le formateur était Excellent

yanncik P. 23/04/2019
5 / 5
beaucoup de méthodologie et diffèrent modèle vu en cours. c'est très bien le livre fourni n'est pas utilisé en support de cours. le cours est basé sur un autre ppt qui n'est pas fourni. domage

Stephane F. 09/04/2019
3 / 5
Le contenu de cette formation est très dense et très intéressant. Le formateur semble connaitre parfaitement le sujet et le maîtrise bien. Malheureusement il y a cruellement un manque de structuration: aucun support de cours sur lequel nous pouvons nous appuyer, pas de présentation du sujet ni du formateur, trop de jeux de données différents pour les exercices sur lesquels on passe plus de temps a comprendre la structure des données au d[eac

Olivier D. 09/04/2019
3 / 5
Pas de plan ni de structure de cours.

Didier S. 09/04/2019
4 / 5
Formateur competent mais le cours gagnerait a etre plus structure
Avis client 4,5 / 5

Les avis client sont issus des feuilles d’évaluation de fin de formation. La note est calculée à partir de l’ensemble des avis datant de moins de 12 mois.

Pour vous inscrire

Cliquez sur la ville, puis sur la date de votre choix.
[+]
PARIS
[+]
AIX
[+]
SOPHIA-ANTIPOLIS

Horaires

Les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45.
Pour les stages pratiques de 4 ou 5 jours, les sessions se terminent à 15h30 le dernier jour.
Filières métiers
linkedin orsys
twitter orsys
it! orsys
instagram orsys
pinterest orsys
facebook orsys
youtube orsys