CODE RECKONS

Perfectionnement en Machine Learning

CODE RECKONS

Non finançable CPF
Entreprise
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
2450 €
Durée
5 jours
Niveau visé
Non diplômante
Certifications
Datadock Qualiopi
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
En savoir plus sur les localités en présentiel
Cette formation est disponible dans les centres de formation suivants:
  • 91 - Orsay
Cette formation peut être dispensée dans votre entreprise dans les localités suivantes :
  • 01 - Ain
  • 02 - Aisne
  • 03 - Allier
  • 04 - Alpes-de-Haute-Provence
  • 05 - Hautes-Alpes
  • 06 - Alpes-Maritimes
  • 07 - Ardèche
  • 08 - Ardennes
  • 09 - Ariège
  • 10 - Aube
  • 11 - Aude
  • 12 - Aveyron
  • 13 - Bouches-du-Rhône
  • 14 - Calvados
  • 15 - Cantal
  • 16 - Charente
  • 17 - Charente-Maritime
  • 18 - Cher
  • 19 - Corrèze
  • 21 - Côte-d'Or
  • 22 - Côtes-d'Armor
  • 23 - Creuse
  • 24 - Dordogne
  • 25 - Doubs
  • 26 - Drôme
  • 27 - Eure
  • 28 - Eure-et-Loir
  • 29 - Finistère
  • 2A - Corse-du-Sud
  • 2B - Haute-Corse
  • 30 - Gard
  • 31 - Haute-Garonne
  • 32 - Gers
  • 33 - Gironde
  • 34 - Hérault
  • 35 - Ille-et-Vilaine
  • 36 - Indre
  • 37 - Indre-et-Loire
  • 38 - Isère
  • 39 - Jura
  • 40 - Landes
  • 41 - Loir-et-Cher
  • 42 - Loire
  • 43 - Haute-Loire
  • 44 - Loire-Atlantique
  • 45 - Loiret
  • 46 - Lot
  • 47 - Lot-et-Garonne
  • 48 - Lozère
  • 49 - Maine-et-Loire
  • 50 - Manche
  • 51 - Marne
  • 52 - Haute-Marne
  • 53 - Mayenne
  • 54 - Meurthe-et-Moselle
  • 55 - Meuse
  • 56 - Morbihan
  • 57 - Moselle
  • 58 - Nièvre
  • 59 - Nord
  • 60 - Oise
  • 61 - Orne
  • 62 - Pas-de-Calais
  • 63 - Puy-de-Dôme
  • 64 - Pyrénées-Atlantiques
  • 65 - Hautes-Pyrénées
  • 66 - Pyrénées-Orientales
  • 67 - Bas-Rhin
  • 68 - Haut-Rhin
  • 69 - Rhône
  • 70 - Haute-Saône
  • 71 - Saône-et-Loire
  • 72 - Sarthe
  • 73 - Savoie
  • 74 - Haute-Savoie
  • 75 - Paris
  • 76 - Seine-Maritime
  • 77 - Seine-et-Marne
  • 78 - Yvelines
  • 79 - Deux-Sèvres
  • 80 - Somme
  • 81 - Tarn
  • 82 - Tarn-et-Garonne
  • 83 - Var
  • 84 - Vaucluse
  • 85 - Vendée
  • 86 - Vienne
  • 87 - Haute-Vienne
  • 88 - Vosges
  • 89 - Yonne
  • 90 - Territoire de Belfort
  • 91 - Essonne
  • 92 - Hauts-de-Seine
  • 93 - Seine-Saint-Denis
  • 94 - Val-de-Marne
  • 95 - Val-d'Oise
Objectifs

Objectif pédagogique :

L’objectif de ce programme est d’approfondir la compréhension des apprenants en matière d'apprentissage automatique avec des concepts avancés tels que l'apprentissage d'ensemble, l'apprentissage non supervisé, la réduction de la dimensionnalité, l'ingénierie des caractéristiques et l'évaluation des modèles afin d’améliorer les performances des modèles et gérer des ensembles de données complexes.

Bénéfices attendus :

• Mettre en œuvre des méthodes d'ensemble telles que Random Forests et Gradient Boosting.
• Appliquer des techniques d'apprentissage non supervisé, notamment le clustering et l'ACP.
• Concevoir des fonctionnalités à l'aide de techniques avancées telles que les fonctionnalités polynomiales et la mise à l'échelle.
• Effectuer une évaluation avancée du modèle avec validation croisée et courbes AUC-ROC.

Public :

Ingénieurs, techniciens et scientifiques Bac+5/8 en informatique ou mathématiques avec une première expérience en Python.

Programme

I. Rappel des concepts d’apprentissage supervisé

II. Apprentissage ensembliste

Qu’est-ce que l’apprentissage ensembliste.
Bagging.
Boosting.

III. Apprentissage non supervisé : le partitionnement de

données (clustering)

Qu’est-ce que le clustering.
Types de clustering.
Algorithmes courants.
Aperçu des métriques d’évaluation du clustering.

IV. Apprentissage non supervisé : la réduction de la dimensionnalité

Qu’est-ce que la réduction de dimensionnalité.
Sélection de caractéristiques.
Compression des données.

V. Apprentissage par renforcement

Qu’est-ce que l’apprentissage par renforcement.
Concepts clés.
Algorithme Q-learning.

VI. Ingénierie des caractéristiques avancée

Différence avec la sélection et la compression.
Création de caractéristiques.
Transformation.
Fractionnement des caractéristique.

VII. Évaluation avancée des modèles

Validation croisée.
Courbe AUC-ROC (classification binaire).

Plateforme en ligne

haute disponibilité

Sur mesure

formation adaptée

Centre

À propos du centre CODE RECKONS

CODE RECKONS est une société de recherche informatique spécialiste de la performance et des architectures modernes. Nous  mettons en valeur les dernières normes du langage C++, afin de faciliter l'intégration dans l'industrie de leurs dernières nouveautés.

À l'ISO (AFNOR) depuis 2014 pour sa participation la normalisation du langage, l'équipe de CODE RECKONS est une référence en France du langage C++.

Le projet CODE RECKONS s'est monté suite à des années d'expérience de la même équipe fondatrice, dans la prestation et l'analyse informatiques de très haute qualité. L'équipe a bénéficié d'une reconnaissance internationale auprès des plus grands comptes.

Notre offre repose sur notre expérience et sur une demande naissante chez tous nos clients.

Notre objectif est de vous rendre autonomes sur toute la chaîne de développement, à travers de la formation pour les outils (architectures, bibliothèques, Open Source...), de la formation de pointe sur la programmation informatique notamment en C++, et du pilotage de code.

PARCOURS SCIENTIFIQUES ET TECHNIQUES de la responsabilité pédagogique de CODE RECKONS

Joël FALCOU :

  • Ingénieur diplômé en informatique
  • Docteur en électronique et robotique de l'Université Blaise Pascal de Clermont-Ferrand
  • Maître de conférence HDR de l'Université Paris-Saclay
  • Membre du Comité National auprès de l'AFNOR pour l'ISO depuis 2011 en tant qu'expert C++
  • Créateur et Président de l'association C++FRUG, co-animateur du Meetup C++.
  • Présentateur dans de multiples conférences internationales comme BoostCon, C++Now, C++Russia, CppCON et Meeting C++
  • Président de CPPP (C++ Paris), le rendez-vous annuel francophone

Jean-Thierry LAPRESTÉ :

  • Thèse de troisième cycle en Mathématiques en 1973
  • Assistant en Mathématiques au département de Mathématiques appliquées de l'université Blaise Pascal de 1972 à 1981
  • Assistant en Mathématiques au département de Mathématiques appliquées à l'École Nationale Supérieure de Chimie de Clermont-Ferrand de 1981 à 1993
  • Habilitation à diriger des travaux de recherche (HDR) en 1992
  • Directeur de Recherche et membre du jury de multiples professeurs d'aujourd'hui
  • Professeur des Universités en 61ème section de septembre 1993 à 2010
  • Responsable des Mathématiques et de l'Informatique à l'École Nationale Supérieure de Chimie de Clermont-Ferrand
  • Professeur émérite depuis 2010
  • Auteurs de trois ouvrages en programmation informatique pour les ingénieurs

Envie d’en savoir plus sur cette formation ?

Documentez-vous sur la formation

Certification Datadock
Certification Qualiopi
Ces formations peuvent vous intéresser

Quelle est votre situation ?

Vous êtes ?

Veuillez choisir un lieu

Please fill out this field.

Please fill out this field.

Veuillez sélectionner un niveau de formation

Informez-vous gratuitement et sans engagement sur la formation.

Please fill out this field.

Please fill out this field.

Please fill out this field.

Veuillez saisir une adresse email

  • Vous voulez dire ?
  • ou plutôt ?

En cliquant sur "J'envoie ma demande", vous acceptez les CGU et déclarez avoir pris connaissance de la politique de protection des données du site maformation.fr

Haut de page