▷ Offre de Formation STATISTIQUES - Machine Learning et Méthodes Statistiques appliquées aux processus de Classification avec Groupe ARKESYS

Public admis

Salarié en poste

Demandeur d'emploi

Entreprise

Etudiant

Prix

3000 €

Durée

4 jours

Niveau visé

Non diplômante

Certifications

Datadock Qualiopi

Le plus de la formation

Formateurs qualifiés · Apprentissage théorique et pratique · Suivi personnalisé · Flexibilité

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

A l’issue de cette formation, l’apprenant sera capable de :

Maîtriser le vocabulaire spécifique aux méthodes d’apprentissage à finalité de classement
Identifier le contexte et les conditions d’application des méthodes d’apprentissage supervisé et non supervisé
Connaître les objectifs et les différences entre les méthodes de classement
Décrire la méthodologie inhérente à ces méthodes
Mettre en œuvre et interpréter les résultats des méthodes d’apprentissage supervisé
Connaître les principaux indicateurs de cohérence liés aux méthodes d’apprentissage
Maitriser les paramètres permettant d’estimer la qualité de ces analyses

Profil formateur :

Nos formateurs sont certifiés à l’issue d’un parcours organisé par nos soins. Ils bénéficient d’un suivi de maintien et d’évolution de leurs compétences aussi bien au niveau technique que pédagogique.
Chacun de nos formateurs a bénéficié d’une formation spécifique à l’animation de classe virtuelle et à l’utilisation des solutions de formation à distance du Groupe ARKESYS

En 2023 : nous avons formé 101 participants – Satisfaction : 8,98/10 pour le compte d’Arkesys.Net
Nous tenons à votre disposition les indicateurs détaillés sur chacune des formations de cette thématique ainsi que leurs répartitions par centre de formation (Lyon/Saint Etienne), il vous suffit de cliquer sur « Nous contacter ».

Cette formation vous intéresse? Faites dès maintenant une demande de renseignements pour recevoir plus d'informations !

Programme

CONTENU DU PROGRAMMES ET OBJECTIFS OPÉRATIONNELS

VOLET 1 : LES ALGORITHMES
Généralités sur les différentes méthodes d’apprentissage supervisé

Différences entre méthodes supervisées et non supervisées
Objectifs de l’apprentissage supervisé
- Objectifs de description
- Objectifs de prédiction
Structure des jeux de données
Présentation générale de l'éventail des méthodes

La méthode knn

Principe de la méthode des plus proches voisins
Algorithme de calcul
Distances entre individus
Choix des proximités
Définition du paramètre k

La régression logistique

Variable explicative et variable expliquée (continue / binaire)
Différences entre la régression linéaire classique et la régression logistique
Variables explicatives qualitatives, variables explicatives quantitatives
Objectifs de la régression logistique
Définition du modèle Logit (courbe sigmoïde)
Conditions d’utilisation à respecter
Estimation et interprétation des coefficients du modèle
Test de significativité du modèle (validation du modèle)
Tests d’apport d’une variable (test de Wald, tests sur les rapports de vraisemblance)
Interprétation du Khi² de Wald
Odds-ratios
Parallèle odds ratios et risques relatifs
Mise en œuvre et analyse des résultats d’un modèle de régression logistique multiple
Estimation et interprétation des coefficients du modèle multiple

L’analyse factorielle discriminante

Structure du jeu de données et contexte d’application
Objectifs détaillés de l'AFD
Notions de classement et de discrimination
Méthodologie de l’AFD
Comparaison avec l’ACP
Interprétation des sorties logiciel : cercle factoriels, corrélations variables x axes
Qualité de l'AFD (de la discrimination obtenue)
- Tests univariés et multivariés (lambda de Wilks)
- Graphique des individus
- Matrice de confusion (et éventuellement courbe ROC)
Les confusions et erreurs à ne pas commettre

Les supports vecteurs machines (SVM)

Démarche des svm
Notions de marge
Séparation linéaire
Séparation non linéaire
Fonction noyau

Les arbres de décision

Structure du jeu de données
Principes, vocabulaire et objectifs
Notion d’échantillon d’apprentissage, de validation et de test
Comparaison de méthodes de type régression linéaire / logistique aux arbres de décision
Principe de la segmentation selon le type de variable : Arbre de régression ou arbre de classification
Définir les conditions d’arrêt de construction d’un arbre : Notion de pré-élagage
Définition des groupes après construction de l’arbre
Indicateurs de qualité
Comparaison d’arbre de décision selon un certain type d’algorithme : CHAID vs CART
Avantages et inconvénients : limites des arbres de décision
Mise en œuvre et interprétation des résultats obtenus après application d’une analyse par arbre de décision

De l’arbre à la foret - Random Forest

Pourquoi avoir recourt aux forêts aléatoires ?
Principes et objectifs
- Instabilité de l’arbre
- Notion de Bagging
- Les erreurs liées à l’échantillonnage (Out-Of-Bag)
- Prédiction avec un algorithme de Forêt aléatoire : Les paramètres
Evaluer l’importance des variables
- Notion d’importance
- Comportement de l’importance
- Lien entre diversité des arbres et l’importance
- Influence des paramètres
Sélection de variables
- Généralités et principes de la sélection
- Procédure de sélection
- Les paramètres de sélection
- Validation

VOLET 2 : VALIDATIONS DES METHODES, MESURE DES PERFORMANCES

Partitionnement des données disponibles
- Jeu d’entrainement
- Jeu de validation
- Tests sur le jeu d’entrainement
- Tests sur le jeu de validation
La validation croisée
- Leave one out
- K fold
- Leave v out
Compromise biais / variance
Mesures des performances des classifications
- Matrices de confusions
- Courbe Roc
- Aire sous la courbe (AUC)
- Sensibilité & spécificité

------------------------------------------------------------------------------------------------------------------------------------------

MÉTHODES

Méthodes et moyens :

Explications théoriques suivies de pratiques guidées puis de mises en autonomie

Méthodes d’évaluation des acquis :

L’acquisition des compétences de la formation se fait à travers le suivi du formateur tout au long de la formation (séquences synchrones et asynchrones). Elle s’appuie également sur la réalisation d’exercices et de TP. Enfin, des quiz s’ajoutent aux différents outils de validation de l’acquisition des compétences visées.
Une évaluation est systématiquement réalisée par chaque stagiaire, à l’issue de la formation.

Support stagiaire :

À l’issue de la formation, les exercices et travaux pratiques réalisés, leurs corrigés ainsi qu’un support de cours dématérialisé sera fourni à chaque stagiaire par e-mail ou via la plate-forme FOAD.

Éligible CPF

Financement facilité

CPF, OPCO, etc.

Suivi personnalisé

par une équipe dédiée

Avis

Ce qu'ils pensent de cette formation

Centre

À propos du centre Groupe ARKESYS

Le Groupe ARKESYS est une entreprise de formation fondée en 1986.

La volonté initiale est de valoriser le capital humain de l’entreprise au travers du développement des compétences par l’évaluation, l’accompagnement & la formation professionnelle.

Avec cette conviction profonde, le Groupe ARKESYS a développé une offre de formation, spécialisée dans les domaines informatiques, soft skills et statistiques qui évoluent au gré des exigences du marché.

Le Groupe ARKESYS accompagne les organisations dans la montée en compétences de leurs collaborateurs et s’appuie pour cela sur une équipe de formateurs internes et un réseau de 30 centres pour se situer à proximité de vos implantations.

Un organisme de formation expert en Statistiques, Numérique, Pédagogie et Softskills

Le Groupe ARKESYS accompagne et forme les utilisateurs dans les domaines suivants :

• Formation Numérique : Bureautique, Outils Graphiques, Web et Webmarketing, Informatique Technique, Outils Collaboratifs...
• Formation Statistique : Tests d’hypothèses, analyse de séries temporelles...
• Formation Management : Management de projet, développement personnel...
• Le développement d’applications spécifiques : Technologie Access, vb.net...
• La mise à disposition de consultants pour le déploiement de formations « métier »
• …

Ces formations peuvent être proposées en intra-entreprise, en inter-entreprises, sous forme de coaching ou en e-learning.

Un organisme orienté service pour garantir la satisfaction de ses clients

Le Groupe ARKESYS dispose d'un service d’ingénierie pédagogique composé de spécialiste à l’écoute de nos clients.

Il adapte l’offre et la pédagogie aux besoins exprimés en proposant des solutions d’évaluations amont et éval performantes garantissant des groupes homogènes, l'atteinte des objectifs opérationnels et le retour sur investissement.

Une équipe dédiée avant, pendant et après votre formation

Notre équipe vous accompagne tout au long de la mise en place de votre projet :

En amont de la formation: En vous aidant à définir précisément votre besoin et votre niveau ;
Pendant la formation: En vous rendant acteur de votre formation grâce à des méthodes pédagogiques interactives
Après la formation: Via une assistance dédiée qui vous soutient dans la mise en application des compétences acquises.

Votre sécurité et votre confort avant tout

Nous visons les meilleures conditions d’apprentissage, aussi, le Groupe ARKESYS préconise :

Un effectif maximum par formation de 10 personnes,
Le matériel pédagogique, les outils et les supports mis à disposition sont à jour,
Vous bénéficiez systématiquement, au sein de nos centres, d’un accueil de qualité avec un service de restauration, des possibilités de stationnement, un accès à internet, à une imprimante en réseau ainsi qu’à une salle de formation entièrement équipée pour les besoins de la formation.

Une équipe de formateurs/consultants permanents garante de la qualité des programmes et de l’enseignement

Le Groupe ARKESYS effectue une sélection rigoureuse de ses formateurs.
I
ls sont sélectionnés pour leurs qualités pédagogiques et relationnelles ainsi que leurs compétences techniques.

L’ensemble des formateurs sont encadrés par un responsable pédagogique garant de la maîtrise et le respect des techniques d’animation enseignées.