Machine Learning
Data Value
Non finançable CPF
Tout public
En ligne
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
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 processus Machine Learning
- Méthodes d'exploration graphique
- Les réseaux de neurones
- Les arbres de décision
- Les méthodes parcimonieuses
- Les méthodes de ré-échantillonnage
- Le Text mining
- Les principaux logiciels de Machine Learning
- Bilan
- 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
Envie d’en savoir plus sur cette formation ?
Documentez-vous sur la formation
Ces formations peuvent vous intéresser
Machine Learning Engineer en Alternance - Titre RNCP Niveau 7 - BAC +5
TOULOUSE, CLERMONT-FERRAND, STRASBOURG ET 12 AUTRE(S) LOCALITÉ(S)
Avis du centre
DATASCIENTEST
Non finançable CPF
À distance / En alternance / En entreprise
Demandeur d'emploi / Étudiant
Avis du centre
.
Les + choisies
Data Science et Machine learning
À DISTANCE
Avis du centre
DATAROCKSTARS
Non finançable CPF
À distance
Salarié en poste / Demandeur d'emploi / Entreprise
Avis du centre
.
Les + choisies
DATA SCIENTIST - certifié par Formation Continue Panthéon-Sorbonne
À DISTANCE
DATAGONG
Non finançable CPF
À distance
Tout public
DATAGONG
Les + choisies
Les formations les plus recherchées
Toulouse
Lyon
Marseille
Montpellier
Paris
Bordeaux
Dijon
Mâcon
Nantes
Rennes
Audit CPF
Audit en Ligne
Analyste de donnees
Analyste de donnees CPF
Analyste de donnees en Ligne
Statisticien
Power bi
Qlikview
Data scientist
Big data
Business intelligence
Auditeur qualite
Audit interne
Big data Alfortville
Business intelligence Alfortville
Data scientist Alfortville
Power bi Alfortville
Qlikview Alfortville
Statisticien Alfortville
Analyste de donnees Alfortville
Analyste de donnees Antony
Statisticien Antony
Qlikview Antony