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 formations :

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
  • Cycles certifiants
  • 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
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 Python 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 algorithmes 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.

Cycles certifiants
Participants / Prérequis

» Participants

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

» Prérequis

Connaissances de base en Python et 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
Laurent D. 17/09/2019
4 / 5
Le support théorique est complet. Le support slide est difficile à suivre. il faudrait faire un support plus adapté à la formation.

Olivier G. 17/09/2019
4 / 5
+ Intervenant impliqué, disponible et professionnel - Manque de structure dans le cours, manque de maîtrise des fondamentaux théoriques

Mélodie-Fleur T. 17/09/2019
4 / 5
Formateur très investi. Support complet agréable. Néanmoins une version papier des slides serait agréable en plus du coup, pour faciliter la prise de notes. Contenu / forme des exercices pratiques à revoir potentiellement.

MENSAH 17/09/2019
4 / 5
Le formateur a une excellente maitrise de machine Learning. Les différents modèles ont été vus certains plus en profondeur que d'autres. Il manque de temps pour tout faire tenir sur 4 jours. Peut être faut il passer moins de temps sur les scripts python

Sébastien D. 17/09/2019
5 / 5
Contenu riche avec un bon équilibre théorie/pratique et des explications claires du formateur

Giorgio S. 17/09/2019
5 / 5
Exercices en Python très instructifs. Très utile de pouvoir récupérer les notebook pour réutilisation.

alexandre h. 17/09/2019
5 / 5
Organisation théorie / pratique très bonne. Une synthèse des différents usages propres à chaque algorithmes serait un plus.

Pierre b. 10/09/2019
4 / 5
Formateur dynamique . Contenu interessant mais manque de details sur les methodes. TPs utiles et complets mais supprimer les videos (que l on peut voir soi-meme par la suite ) pour plus de contenu Commenter les slides plutot que les lire integralement

Bruno C. 10/09/2019
4 / 5
Très correct dans l'ensemble

Sébastien P. 10/09/2019
5 / 5
Bon ratio cours/pratique. Un peu plus d'encadrement pendant la pratique, sur l'orientation à prendre et l'interprétation aurait été un plus. Cependant la qualité générale est bonne.

MANSUTTI 10/09/2019
5 / 5
La theorie est parfois vue un peu rapidement. Cela dit la formation en elle meme est axee pratique donc cela reste correct.

Pothier O. 02/09/2019
4 / 5
Contenu dense, mais juste survolé. Il manque un approfondissement théorique sur (au moins) une technique particulière de Machine Learning (et une technique d'apprentissage, pas juste de classification). En l'état, cette formation présente un catalogue de techniques, mais sans jamais dépasser le stade d'inventaire. On en reste au niveau de "boite noire".

Thierry L. 02/09/2019
4 / 5
Contenu qui donne envie d'aller plus loin.

stephane p. 02/09/2019
4 / 5
la partie "ML en production" pourrait etre reduite au profit des chapitres plus technique l'usage de l'environnement et du langage ralentit considerablement les TPs => python + package ML devrait etre un prérequis

Rouvellou 02/09/2019
5 / 5
De bon exemples et illustrations

ALAIN G. 23/07/2019
4 / 5
Formation demandant un background Mathématiques en particulier sur les statistiques et probabilités. Ainsi que Python. Le formateur a réussi a estompé nos lacunes en Mathématiques. L'équilibre entre la théorie et la pratique est bon. Si je devais faire des recommandations: - essayer toujours plus de vulgariser les notions - prévoir python en prérequis de la formation pour perdre le moins possible de tem

Olivier F. 23/07/2019
5 / 5
Cette formation a répondu a mes attentes et m'a donné une bonne vision du Machine Learning. Les ateliers pratiques, au bon format, m'ont permis de mieux comprendre les étapes de réalisation d'un projet ML.

Gaulejac d. 01/07/2019
5 / 5
Quelques idées d'amélioration: - faire une introduction du contenu le premier jour - ecrire clairement les énoncés des exercices

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.
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
[+]
BORDEAUX
[+]
BRUXELLES
[+]
GRENOBLE
[+]
LILLE
[+]
LYON
[+]
MONTPELLIER
[+]
NANTES
[+]
ORLEANS
[+]
RENNES
[+]
SOPHIA-ANTIPOLIS
[+]
STRASBOURG
[+]
TOULOUSE
[+]
TOURS

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
En poursuivant votre navigation, vous acceptez l’utilisation de cookies nous permettant de vous proposer des offres correspondant à vos centres d’intérêt.
En savoir plus sur l’usage des cookies…   ✖ Fermer
linkedin orsys
twitter orsys
it! orsys
instagram orsys
pinterest orsys
facebook orsys
youtube orsys