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

4,3 / 5
Stage pratique
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
Frédéric P. 17/12/2018
3 / 5
le cours machine learning est clairement pour des personnes ayant déjà un background solide dans les languages de programmations R ou Python. Ce n'est pas un cours pour débutant or cela n'est pas clairement indiqué dans la présentation de la formation. Par conséquent pour les personnes non avancées comme moi, la formation est très difficile à suivre d'autant que le formateur passe très rapidement d'un sujet

JULIEN D. 17/12/2018
4 / 5
Très bien mais ce serait encore mieux si les supports étaient un-peu plus ordonnancé avec plus de commentaires (cf. les notebooks sous jupyter).

Samuel G. 17/12/2018
5 / 5
Très bien mais très dense. Formateur TRES compétent et qui sait aussi très bien expliqué quand on lui demande

Firat E. 17/12/2018
5 / 5
J'ai trouvé le formateur très bon, beaucoup de connaissance sur tous les sujets qu'on a pu évoquer. La formation a été très enrichissante.

François G. 28/08/2018
4 / 5
Pas tout a fait en accord avec ce que j'attendais (plus de description des algorithmes de Machine Learning et moins de pratique)

Laura G. 28/08/2018
4 / 5
contenu très intéressant mais connaissant du langage R ou phyton nécessaire pour que les exercices soit vraiment efficaces.

Pierre L. 28/08/2018
5 / 5
N'utiliser q'un ou 2 exemples d'application qui auraient servi de 'fil rouge' aurait pu être plus utile que changer presque à chaque fois de données. Mais l'ensemble restait très compréhensible.
Avis client 4,3 / 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