> Formations > Technologies numériques > Big Data, Intelligence Artificielle > IA, Machine Learning, analyse de données > Formation Microsoft Azure Machine Learning, développer et exploiter des algorithmes > Formations > Technologies numériques > Formation Microsoft Azure Machine Learning, développer et exploiter des algorithmes

Microsoft Azure Machine Learning, développer et exploiter des algorithmes

Microsoft Azure Machine Learning, développer et exploiter des algorithmes

Télécharger au format pdf Partager cette formation par e-mail 2


Les algorithmes s'imposent comme l'un des sujets prédominants du Big Data. Ce sont les outils des méthodes exploratoires, explicatives ou prédictives que l'on applique aux données, dans le cadre du Machine Learning. Ce cours vous permettra d'acquérir les compétences nécessaires à l'utilisation d'Azure Machine Learning.


Inter
Intra
Sur mesure

Cours pratique en présentiel ou en classe à distance

Réf. AZL
Prix : 2150 € H.T.
  3j - 21h
Pauses-café et
déjeuners offerts




Les algorithmes s'imposent comme l'un des sujets prédominants du Big Data. Ce sont les outils des méthodes exploratoires, explicatives ou prédictives que l'on applique aux données, dans le cadre du Machine Learning. Ce cours vous permettra d'acquérir les compétences nécessaires à l'utilisation d'Azure Machine Learning.

Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
  • Prendre en main l'interface d'Azure Machine Learning
  • Choisir parmi plusieurs algorithmes équivalents selon une problématique
  • Découvrir les bases des langages R et Python pour augmenter les capacités d'Azure Machine Learning
  • Exploiter une expérience au travers d'un Web Service

Public concerné
Data Scientists, data miners, statisticiens, développeurs en charge de la mise en production des modèles.

Prérequis
Connaissances de base en statistiques (centrage, dispersion, corrélation, tests d'hypothèses). Des notions de programmation ou d'algorithmique peuvent être utiles.

Programme de la formation

Prise en main de l'interface Azure Machine Learning

  • L'offre Azure. Facturation à l'usage.
  • Prise en main de l'interface Machine Learning Studio.
  • Créer un dataset. Se connecter à une source de données.
  • Construire une expérience de ML.
  • Définir un Web Service prédictif.
  • La Gallery Cortana Intelligence.
Travaux pratiques
Prise en main de l'interface Azure ML. Création d'un dataset. Définition d'un Web Service prédictif.

Créer une expérience de Machine Learning

  • Utiliser l'arbre de choix des algorithmes.
  • Détecter les valeurs aberrantes.
  • Choisir les variables de l'algorithme (features sélection).
  • Initialiser le modèle, entraîner le modèle, évaluer le modèle.
  • Reformer un modèle prédictif.
  • Transformer les variables de l’algorithme (features engineering).
  • Limiter les lignes d’un jeu de données.
Travaux pratiques
Évaluer des différents algorithmes à l'aide de la courbe ROC.

Savoir paramétrer les grandes familles d'algorithmes

  • Algorithmes de clustering (approche non supervisée).
  • Algorithmes de régression linéaire.
  • Algorithmes de régression logistique ou ordinale.
  • Algorithmes de classification (approche supervisée) binaire ou one-versus-all.
  • Méthodes ensemblistes (forêt, jungle…).
  • Packages R et Python. Le framework Vowpall Wabbit.
  • Paramétrage des algorithmes.
Travaux pratiques
Paramétrer des familles d'algorithmes avec R/Python.

Traiter d'autres types de données

  • Analyser les séries temporelles, détecter les anomalies.
  • Analyse de données textuelles avec les packages R.
  • Appliquer un algorithme Vowpal Wabbit (Latent Dirichlet Analysis).
  • Exploiter les images avec notebooks Jupyter.
Travaux pratiques
Traitement des données texte ou image.

Découvrir les nouveaux outils autour d'Azure Machine Learning

  • Nouvelles briques Azure pour le ML (Experimentation / Model Management).
  • Inspection et préparation des données (transformations par exemple, transformations avancées).
  • Mise en œuvre des instances Azure Machine Learning.
  • Suivi des exécutions et des métriques d’évaluation.
  • Scénarios de déploiement (local/Spark/Docker/AKS).
Travaux pratiques
Préparation de données et transformations avancées.


Modalités pratiques
Exercice
Cas pratiques sur des données réalistes et volumineuses

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Solutions de financement
Pour trouver la meilleure solution de financement adaptée à votre situation : contactez votre conseiller formation.
Il vous aidera à choisir parmi les solutions suivantes :
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.

Avis clients
4,4 / 5
Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.
DAVID F.
24/01/22
3 / 5

Le contenu est bien. Etant Data Scientist, je connaissais déjà les parties théoriques sur les algos. Par contre très intéressant de voir plus loin que juste la pipeline de modèles et d’aller jusqu’à l’automatisation d’un webservice.
BOULLAFT R.
24/01/22
5 / 5

je remercie le formateur, le contenu très important et bien expliqué.
MOHAMMED H.
24/01/22
5 / 5

TP interessants bonne animation




Horaires
En présentiel, les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
En classe à distance, la formation démarre à partir de 9h.
Pour les stages pratiques de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 15h30 le dernier jour.

Dates et lieux
Pour vous inscrire, sélectionnez la ville et la date de votre choix.
Du 19 au 21 décembre 2022
FR
Classe à distance
S’inscrire
Du 19 au 21 décembre 2022
FR
Paris La Défense
S’inscrire
Du 20 au 22 février 2023
FR
Paris La Défense
S’inscrire
Du 20 au 22 février 2023
FR
Classe à distance
S’inscrire
Du 19 au 21 juin 2023
FR
Classe à distance
S’inscrire
Du 19 au 21 juin 2023
FR
Paris La Défense
S’inscrire
Du 18 au 20 septembre 2023
FR
Classe à distance
S’inscrire
Du 18 au 20 septembre 2023
FR
Paris La Défense
S’inscrire
Du 4 au 6 décembre 2023
FR
Paris La Défense
S’inscrire
Du 4 au 6 décembre 2023
FR
Classe à distance
S’inscrire