Les objectifs pédagogiques de la formation MACHINE LEARNING ENGINEER


INTRODUCTION A PYTHON - 35h

• Lire et comprendre un code python, langage de référence en Data Science
• Manipuler et gérer les tableaux de données
• Interroger, manipuler, ordonner et modifier un jeu de données avec Python
• Maîtrise des bibliothèques
• NumPy et Pandas

DATA VISUALISATION - 25h

• Maîtrise, customisation d’une grande variété de rendus graphiques fondamentaux pour la Data Visualisation
• Être capable de mettre la Data Visualisation au service de la Data Analyse
• Produire des graphiques statistiques simples au croisement de la Data
• Visualisation etde la Data Analysis
• Maîtrise des Best Practices de Data
• Visualisation et les techniques de Data Storytelling
• Créer un graphique interactif et l’intégrer à une page web

MACHINE LEARNING - 75h

• Pré-traiter les données afin qu’elles conviennent aux modèles utilisés
• Évaluer un modèle à l’aide de la validation croisée et de différentes métriques
• Maîtriser les algorithmes d’ensemble de type boosting et bagging
• Sélectionner et optimiser un algorithme de Machine Learning
• Identifier les problèmes de Machine Learning non supervisés
• Maîtriser les principaux algorithmes de clustering à l’aide d’une bibliothèque clé en Machine Learning : SciKit-learn
• Maîtriser les modèles de régression logistique,
• Régression pénalisées et Elastic-Net
• Connaître les métriques de performance associées aux problématiques de clustering
• Connaître les principales métriques d’évaluation des modèles de régression
• Réduire la taille d’un jeu de données de manière optimale sans perte d’information
• Repérer visuellement des structures afin de déterminer l’algorithme de Machine Learning

MACHINE LEARNING AVANCE - 52h

• Maîtriser les techniques de manipulation et de prétraitement de données textes
• Lire et utiliser les expressions régulières
• Utiliser un modèle de Machine Learning sur données textes, domaine en pleine expansion dans la Data analysis
• Comprendre l’architecture d’un site internet
• Récupérer de manière systématique des données provenant de diverses pages Internet

BIG DATA / DATABASE - 25h

• Lire et interroger les bases de données relationnelles
• Maîtriser la syntaxe des requêtes SQL
• Formation au traitement des jeux de données massifs, à l’aide du calcul distribué
• Appliquer de manière performante des modèles de Machine Learning à de grandes bases de données

DEEP LEARNING - 40h

• Comprendre et implémenter des réseaux de neurones
• Entraîner et évaluer les résultats obtenus par un réseau de neurones
• Utiliser les méthodes de Transfer
• Learning, très appréciées en Deep Learning
• Maîtriser la syntaxe et les particularités du framework TensorFlow
• Détecter un objet dans une image Concevoir son propre Word2vec
• Créer un générateur automatique d’images à l’aide d’un GAN

SYSTEME COMPLEXE ET IA - 40h

• Comprendre les fondements mathématiques du Reinforcement Learning
• Connaître les principaux algorithmes utilisés en Reinforcement Learning
• Savoir choisir un algorithme de Reinforcement Learning en fonction de la tâche à apprendre

PROGRAMATION - 40h

• Maitriser le système d’exploitation Linux
• Apprendre à utiliser un Terminal
• Créer et gérer des exécutables Bash
• Maitriser le langage Python et toutes ses applications
• Comprendre et utiliser la programmation orientée objet
• Créer des scripts complexes avec Python

CI/CD - 25h

• Maîtriser les outils de versionning
• Travailler de manière collaborative et versionner les projets avec Git et GitHub
• Être capable de mettre en place des tests unitaires
• Appliquer des méthodes adaptées en fonction des différentes problématiques
• Vérifier le fonctionnement d’unités de code indépendantes lors du développement

AUTOMATISATION ET DEPLOIEMENT - 40h

• Comprendre les APIs
• Apprendre à créer une Api avec Flask et FastApi
• Requêter une API HTTP
• Automatiser vos tâches grâce à la maitrise d’Apache Airflow
• Comprendre la virtualisation
• Maitriser les techniques et outils de conteneurisation et d’ochestration des conteneurs