Machine Learning et Deep Learning avec Python
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
Niveau visé
Non diplômante
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 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
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)
- Tour d'horizon des applications du Machine Learning/Deep Learning et intelligence artificielle
- Présentation des différents type 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)
Envie d’en savoir plus sur cette formation ?
Documentez-vous sur la formation
Ces formations peuvent vous intéresser
Les formations les plus recherchées
Lyon
Toulouse
Marseille
Montpellier
Paris
Bordeaux
Dijon
Mâcon
Nantes
Rennes
Informatique CPF
Informatique en Ligne
Python
Python CPF
Python en Ligne
Intelligence artificielle
Machine learning
Vba
Growth hacking
Technicien informatique
Technicien support informatique
Administrateur systeme
Consultant en informatique
Programmation
Spark
Python Clermont-Ferrand
Python Grenoble
Python Saint-Étienne
Python Annecy
Python Chambéry
Python Roanne
Python Aurillac
Python Le Pontet
Python Moirans
Python Annemasse