Nos solutions de formation à distance et en présentiel éligibles au dispositif FNE-Formation 100% financées En savoir plus
ORSYS formation
NOUS CONTACTER - +33 (0)1 49 07 73 73
NOUS CONTACTER - 📞 +33 (0)1 49 07 73 73    espace pro ESPACE CLIENT     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

4,3 / 5
Stage pratique
Best
Durée : 4 jours
Réf : MLB
Prix  2020 : 2580 € 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
Loïc R. 21/07/2020
4 / 5
Beaucoup d'aspects abordés, contenu assez riche. Certains points ont été moins détaillés, mais compte tenu du programme c'est tout à fait normal. L'échange régulier entre pratique et théorie est appréciable.

Loic R. 21/07/2020
4 / 5
Contenu très varié offrant un bon panorama, l'alternance entre exercices et théorie est appréciable

olivier v. 21/07/2020
5 / 5
Beaucoup de sujets abordés Formateur qui connaît très bien son sujet et a une vision même au-delà du scope de la formation Il manque peut-être un support imprimé avec les slides présentés Un lexique des classes, attributs et méthodes utilisées pourrait être utile La mise à disposition d'un livre complet est en revanche appréciable

Salma A. 21/07/2020
3 / 5
J'ai mis une note globalement faible car le contenu est redondant par rapport aux modules que j'ai déjà passé dans le cadre du parcours certifiant -Machine et deep learning avec Python-. Je pense que le cycle aurait du être réduit à 3 modules uniquement pour éviter les redondances. Le contenu reste toutefois très intéressant. Merci

Sébastien R. 21/07/2020
3 / 5
Je trouve un peu dommage d'avoir parlé d'Anaconda en début de partie puis de faire tous les exercices en cloud. J'aurai trouvé plus utile de travailler en local. Alors la formation était peut être trop dense pour pouvoir passer du temps sur ça, mais c'est un autre problème. Les blocs de texte directement copiés de la documentation d'une lib, ce n'est pas terrible dans une formation pro.

Julien P. 21/07/2020
4 / 5
Le cours nous fait passer en revue beaucoup d algorithmes et de notions très variées qui mériteraient plus de temps chacun.

Alexandre B. 21/07/2020
4 / 5
Il y a beaucoup d'infos présentées sur de nombreux domaines, sans avoir personnellement tous les prérequis et dans le cadre d'une "1 ère découverte", cela donne un aperçu assez global de toutes les possibilités du Machine Learning. Pour ma part trop "complexe" sur les sciences mathématiques appliquées. A mon sens la formation ne développe pas assez la partie "BIG Data" elle reste peu évoquée pour u

Mathieu M. 09/06/2020
5 / 5
Très bonne formation. Le contenu fut conforme à mes attentes notamment sur la démarche professionnelle. Certains éléments théoriques sont peut-être vus un peu trop rapidement.

Mounsif H. 09/06/2020
5 / 5
* Cours bien construit et complet * Vulgarisé et riche en même temps * Animatrice qui sait captiver notre attention * Débit de voix adapté Animatrice et formation que je recommande.

Olivier R. 12/05/2020
3 / 5
Reprend sans les approfondir plus les mêmes notions et sujets (et exemples) que d'autres modules de formations déjà suivis

Charlotte P. 12/05/2020
3 / 5
Le programme de la formation a bien été respecté. Dommage que les TP soient, en grande partie, repris de Kaggle (donc déjà connus) et parfois peu adaptés (un Random Forest sur iris ne permet pas d'apprécier les avantages de la méthode...). Par ailleurs, des erreurs/incohérences ont été relevées à plusieurs reprises dans les slides de formation. Enfin, j'aurai aimé avoir des

Florian T. 12/05/2020
4 / 5
Les TP mettent bien en pratique la théorie apprise au préalable, mais finalement par moments j'ai eu l'impression que la théorie était trop "théorique" justement, et que les TP auraient pu être réalisés sans même la théorie, ce qui est un peu dommage. Dans un sens, c'est surtout le cas parce que les librairies sont particulièrement bien faites et facilitent l'utilisation du ML. Donc ça n'es

Fabien T. 12/05/2020
4 / 5
Contenu et animation de qualité Passage un peu rapide sur certains sujets mais pas évident de s'adapter aux différents niveaux des étudiants Pas vu la partie text mining Les TP étaient nombreux et très formateurs, pas de simples démos passives

Olivier D. 03/03/2020
4 / 5
J'ai beaucoup apprécié les cas concrets, la vue globale des différentes méthodes, et l'implémentation sous Python. J'aurais apprécié plus de détails et de fond sur les outils mathématiques.

Benoit P. 03/03/2020
4 / 5
Formation intéressante mais trop dense pour des débutants. Les éléments théoriques sont trop peu abordés pour bien comprendre le fonctionnement des méthodes.

Anton 03/03/2020
5 / 5
Très bonne formation!

Adrien V. 03/03/2020
5 / 5
Formation correspondant aux attendus, à savoir une explication des différents algorithmes et un temps important passé aux exercices pratiques. Retours intéressants sur les cas rencontrés par la formatrice dans son quotidien. L'accent a été mis sur la démarche complète d'un projet de ML, aspect intéressant pour une mise en oeuvre. Très satisfait de la formation dans son ensemble.

Thomas C. 21/01/2020
4 / 5
L'intervenant connait bien le sujet, le contenu est intéressant et bien dispensé.

Gaétan V. 21/01/2020
5 / 5
sujet très intéressant nécessitera beaucoup de pratiques pour l'appliquer de manière performante

François S. 21/01/2020
5 / 5
Les jupyternotebooks sont un excellent support, les échanges avec la formatrice permettent de bien comprendre les différentes étapes de l'analyse
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.

CLASSE A DISTANCE

En inter et en intra-entreprise
Inscrivez-vous ou contactez-nous !

Pour vous inscrire

Cliquez sur la ville, puis sur la date de votre choix.
[+]
CLASSE A DISTANCE
[+]
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