Machine Learning

Data Value

Non finançable CPF
Tout public
En ligne
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Étudiant
Prix
Nous contacter
Durée
Nous contacter
Localité
En ligne
Vous pouvez suivre cette formation depuis chez vous ou depuis n’importe quel endroit à distance.
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
En savoir plus sur les localités en présentiel
Cette formation est disponible dans les centres de formation suivants:
  • 31 - Labège
Cette formation peut être dispensée dans votre entreprise dans les localités suivantes :
  • 09 - Ariège
  • 11 - Aude
  • 12 - Aveyron
  • 30 - Gard
  • 31 - Haute-Garonne
  • 32 - Gers
  • 34 - Hérault
  • 46 - Lot
  • 48 - Lozère
  • 65 - Hautes-Pyrénées
  • 66 - Pyrénées-Orientales
  • 81 - Tarn
  • 82 - Tarn-et-Garonne
Objectifs
Découvrir les principales étapes d'une étude de Machine Learning et un panorama des méthodes associées (Data Mining, Analyse de Données). Apprendre à extraire de l'information utile à partir de données volumineuses, changeantes, non structurées.
Programme
- Définitions du Machine Learning
  • Le contexte du Machine Learning : volume des données, nature des problèmes, mélange des disciplines
  • Définitions du Machine Learning et de l'Analyse de Données
  • L'histoire récente

- Le processus Machine Learning
  • Les étapes du “Knowledge Discovery in Databases” (KDD)
  • Extraction, prétraitements et nettoyage
  • Analyses exploratoires
  • Visualisations
  • Modélisation
  • Analyse des résultats
  • Intégration
  • Échantillon d'apprentissage, de test et de validation

- Méthodes d'exploration graphique
  • Les analyses factorielles : composantes principales, correspondances simples et multiples
  • Les algorithmes de classification : arbres et centres mobiles
  • Les graphiques de Bertin

- Les réseaux de neurones
  • Principes des réseaux de neurones (perceptron)
  • Techniques de calculs
  • Applications à la résolution de nombreux problèmes dont la discrimination et la régression
  • Forces et faiblesses de l'approche

- Les arbres de décision
  • Principe des arbres
  • Les principaux algorithmes
  • Validation et élagage d'un arbre
  • Quelques exemples d'applications

- Les méthodes parcimonieuses
  • Régression pas à pas
  • Régression LASSO
  • Régression RIDGE
  • Elastic Net

- Les méthodes de ré-échantillonnage
  • Bagging
  • Boosting
  • Random Forest

- Le Text mining
  • Principe et méthodes du Text mining
  • Techniques factorielles, typologies et lexicométrie
  • Quelques applications : documents, messages électroniques, Internet, …

- Les principaux logiciels de Machine Learning

- Bilan
Ces formations peuvent vous intéresser

DATA ANALYST | 4 mois | certifié par Formation Continue Panthéon-Sorbonne

Centre de formation DATAGONG
DATAGONG
Non finançable CPF
À distance
Tout public

Formation Microsoft Fabric

Centre de formation ACCESS IT
ACCESS IT
Non finançable CPF
À distance
Entreprise

Microsoft Power BI (Microsoft Certified : Data Analyst Associate)

LYON, PARIS
Centre de formation MYPE
MYPE
Finançable CPF
À distance / En centre / En entreprise
Salarié en poste / Entreprise

Les formations les plus recherchées

Formation Toulouse Formation Nantes Formation Paris Formation Strasbourg Formation Bordeaux Formation Lille Formation Rennes Formation Montpellier Formation Nice Formation Angers Formation Audit CPF Formation Audit en ligne Formation Analyste de donnees CPF Formation Analyste de donnees en ligne Formation Statisticien Formation Auditeur qualite Formation Audit interne Formation Statisticien Toulouse Formation Analyste de donnees Toulouse Formation Analyste de donnees Nantes Formation Statisticien Labège Formation Statisticien Nantes Formation Analyste de donnees Strasbourg Formation Analyste de donnees Rennes Formation Analyste de donnees Paris Formation Statisticien Strasbourg Formation Statisticien Rennes
Haut de page