Machine Learning et Deep Learning avec Python
Data Value
Salarié en poste
Demandeur d'emploi
Entreprise
Étudiant
En présentiel
Nous contacter
3900 €
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
Objectifs
Découvrir les principaux modèles de Machine Learning et les mettre en œuvre dans Python à l'aide de Scikit Learn. Savoir évaluer la performance des modèles. S'initier au Deep Learning et à sa mise en pratique à l'aide de Tensorflow, Keras et statsmodels
Compétences visées
- Connaître le paysage des modèles de Machine Learning
- Connaître les librairies les plus courantes associées au Machine Learning et Deep Learning (Sciki-Learn, Tensorflow, Keras, statsmodels)
- Savoir mettre en place un projet Machine Learning
- Avoir des notions avancées sur l'évaluation de modèles
Compétences visées
- Connaître le paysage des modèles de Machine Learning
- Connaître les librairies les plus courantes associées au Machine Learning et Deep Learning (Sciki-Learn, Tensorflow, Keras, statsmodels)
- Savoir mettre en place un projet Machine Learning
- Avoir des notions avancées sur l'évaluation de modèles
Programme
Programme
- Concepts du Machine Learning (1.5 jour)
- Prise en main de la librairie scikit-learn (2 jours)
- Introduction au Deep Learning (1.5 jour)
- Concepts du Machine Learning (1.5 jour)
- Tour d'horizon des applications du Machine Learning/Deep Learning et intelligence artificielle
- Présentation des différents types d'apprentissage
- Principe de la régression linéaire
- Compromis Biais Variance
- Modèles ensemblistes (Random Forest)
- Modèles non linéaires (support vector Machine, Multi Layer Perceptron)
- Réduction de dimensions (PCA, SparsePCA, Analyse factorielle)
- Bonnes pratiques en Data Science
- Prise en main de la librairie scikit-learn (2 jours)
- Présentation de scikit-learn
- Exemples de modèles de classification supervisée sur un jeu de données (potentiellement proposé par les stagiaires)
- Mise en place des étapes d'entraînement des modèles et bonnes pratiques (validation croisée, pénalisation, ajustement des hyperparamètres)
- Sélection des variables
- Importance des variables (globale et locales avec les algorithmes LIME et SHAP)
- Évaluation de modèles dans le cas classification et dans le cas régression pour apprentissage supervisé
- Introduction au Deep Learning (1.5 jour)
- Zoologie des types de couches de neurones artificielles
- Principes de rétropropagation et mise à jour des paramètres
- Mise en pratique avec un modèle simple de réseau de neurones convolutionnels pour de la classification d'image
- Principe du transfer learning, knowledge distillation et entraînement à partir de 0
- Éléments de traitement de langage naturel avec des réseaux de neurones (réseaux récurrents)
Ces formations peuvent vous intéresser
Malheureusement, vous ne pouvez pas contacter ce centre via Maformation.
Voici des formations similaires :
STRASBOURG, PARIS…
À distance / En entreprise
Salarié en poste / Demandeur d'emploi / Entreprise
Finançable CPF
Avis du centre
À DISTANCE
Tout public
Finançable CPF
-13.38%
7890 €
6835 €
Avis du centre
À DISTANCE
Salarié en poste / Demandeur d'emploi / Entreprise
Non finançable CPF
Les formations les plus recherchées
Formation Toulouse
Formation Paris
Formation Nantes
Formation Lille
Formation Bordeaux
Formation Strasbourg
Formation Rennes
Formation Montpellier
Formation Angers
Formation Nancy
Formation Informatique CPF
Formation Informatique en ligne
Formation Big data CPF
Formation Big data en ligne
Formation Spark
Formation Programmation
Formation Cybersecurite
Formation Securite informatique
Formation Intelligence artificielle
Formation Machine learning
Formation Hadoop
Formation Growth hacking
Formation Git
Formation Hacking
Formation Spark Nantes
Formation Intelligence artificielle Paris
Formation Machine learning Paris
Formation Programmation Nantes
Formation Spark Paris
Formation Securite informatique Paris
Formation Cybersecurite Paris
Formation Spark Toulouse
Formation Hacking Paris
Formation Programmation Paris
Cette formation est temporairement suspendue.
Voir des formations similaires