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.

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