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

4,4 / 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
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.

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.

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.

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

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

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

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

Lila S. 07/01/2020
5 / 5
Soufiane très patient et pédagogue, toujours prêt a prendre du temps et à répondre aux questions Au niveau du contenu: intéressant, bonne présentation du sujet en 4 jours Au niveau des exercices: exercices concis, qui donne une bonne vision de chaque concept

Rémi K. 17/12/2019
4 / 5
Très bonne équilibre théorie / pratique, rythme cependant assez soutenu sur la partie théorique

Anne-Cécile M. 17/12/2019
5 / 5
Très bien. Peut-être que les modèles auraient pu être un peu plus expliqués au début.

Fatoumata S. 17/12/2019
5 / 5
Le contenu était très riche et enrichissant. La formatrice était disponible et attentive à chaque participant

Luc T. 17/12/2019
5 / 5
le contenu est bon par contre trop proche du contenu disponible pour la formation "Python for big data analytics". Il faut revoir le découpage pour clarifier le but de chaque formation.

Aurélie C. 10/12/2019
4 / 5
Le cours est très intéressant. J'aurais préféré avoir un accompagnement pas à pas dans la partie pratique avec plus de "petits exercices à réaliser" notamment dans la partie analyse de données où l'on a tendance à tester des choses au hasard (surtout sans connaissance du métier associé aux données).

Christie B. 10/12/2019
4 / 5
Bon contenu du cours. J'aurais peut-être préféré avoir le même jeu de données pour tout les TP, faire l'analyse comme on l'a fait qu'une fois et avoir plus de temps pour travailler les modèles sur ce même jeu, juste pour avoir plus de temps pour travailler les modèles. Mais le format actuel du TP fonctionne aussi, nous avons tout bien vu.

Pierre-Henri C. 10/12/2019
4 / 5
Un bon panorama pour balayer beaucoup de notions en data mining, machine learning et deep learning. La partie deep learning est un peu courte et mériterait un peu plus de temps. Les exercices sont variés et intéressants, mais il serait intéressant d'appliquer toutes les méthodes sur un même exercice et les comparer plus en profondeur. Personnellement j'aurais apprécié qu'il y ait une partie théorique sur les méth

jean-Philippe c. 10/12/2019
5 / 5
formation très intéressante me permettant d'avoir une vue sur les différentes solutions utilisées actuellement en Marchine learning

Philippe A. 10/12/2019
5 / 5
Contenu riche et méthodologie efficace (pour la suite)

tristan m. 10/12/2019
5 / 5
La documentation sous forme de notebook est vraiment appréciable.

Foutrein T. 02/12/2019
4 / 5
Assez complet dans l'ensemble, mais beaucoup de théorie et de complexité qui viennent parasiter l'ensemble

Gael Y. 02/12/2019
4 / 5
Maîtrise sûrement très bien son sujet mais est parfois confus dans les explications. Schéma de cours pas toujours très bien organisé et difficile de suivre la logique de progression. Passer plus de temps à expliquer les corrections des TP (pas toujours simple de poser les questions sur les parties critiques quand on ne connait pas le code source). Les outils proposés pour la pratique sont excellents et très pratiques [ag
Avis client 4,4 / 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
[+]
CLASSE A DISTANCE
[+]
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