Objectifs pédagogiques

À l’issue de la formation, le participant sera en mesure de :

• Maîtriser le data mining et le machine learning pour explorer de très importants volumes de données
• Construire des modèles répondant aux problèmes très variés des entreprises
• Comprendre les différences entre apprentissage automatique supervisé, non supervisé et meta-apprentissage
• Savoir transformer de gros volumes de données hétérogènes en informations utiles

Programme de la formation

L’apprentissage machine

• Définitions : data science, data mining, machine learning, big data, deep learning.
• Définition de l’apprentissage machine.
• Les principes et les finalités du data mining vs machine learning.
• Les principales techniques et méthodes du data mining vs machine learning.
• Le processus data mining vs machine learning.
• Que peuvent apprendre les machines ? Les différents modes d’entrainement.

Les fondamentaux de l’apprentissage machine

• Préambule (problème d’optimisation, quête de la capacité optimale du modèle, relation capacité et erreurs, etc.).
• Les différents types d’apprentissage (supervisé, non supervisé, online learning, reinforcement learning, etc.).
• Les données à disposition : collecte et préparation.
• Les jeux de données d'entraînement (cadre statistique, variables prédictives, etc.).
• Les fonctions hypothèses, les fonctions de coûts.
• Les algorithmes d'optimisations.

La classification

• Classification hiérarchique et non hiérarchique (KMeans).
• Classification par arbres de décision ou approche Naïve Bayes.
• Les machines à vecteurs de support (SVM).
• K plus proches voisins (KNN).

Les pratiques

• Prétraitement : gestion des données manquantes, transformateurs et estimateurs.
• Ingénierie des variables prédictives (feature engineering) : sélection des variables prédictives.
• Réglages des hyper-paramètres et évaluation des modèles : bonnes pratiques, notion de Pipeline, validation croisée.

L’apprentissage d’ensembles

• Introduction. L’approche par vote.
• Une variante : l’empilement (stacking). Le bagging.
• Les forêts aléatoires. Le boosting.
• La variante Adaboost. Gradient Boosting.
• Synthèse.

La régression

• Le principe de régression linéaire uni variée et multivariée.
• La relation entre les variables.
• Les valeurs aberrantes (RANSAC).
• La régression polynomiale.
• La régression régularisée.
• Le Naïve Bayes.
• La régression logistique.

Le clustering

• Clustering simple, clustering hiérarchique et clustering par mesure de densité DBSCAN.
• Différentes techniques de clustering (approches orientées K-means, par agglomération, etc.).
• Outils et algorithmes pour le clustering de données (K-means simple, etc.).