Machine Learning
Objectifs
- Définir les étapes de préparation des données, et les algorithmes de Machine Learning
- Organiser le traitement des données et structurer les processus de Machine Learning.
Programme
Introduction
- Zoom sur les données : format, volumes, structures, …
- et les requêtes, attentes, des utilisateurs.
- Etapes de la préparation des données.
- Définitions, présentation du data munging
- Le rôle du data scientist.
Etude de cas
- Mise en oeuvre pratique des différentes phases : nettoyage,enrichissement,organisation des données.
Machine Learning
- Définition, les attentes par rapport au Machine Learning
- Les valeurs d’observation, et les variables cibles.
- Ingénierie des variables
Apprentissage automatique
- Les méthodes : apprentissage supervisé et non supervisé
- Classification des données,
- Algorithmes : régression linéaire, k-voisins,classification naïve bayésienne, arbres de décision, etc ..
Les risques et écueils
- Importance de la préparation des données.
- L’écueil du « surapprentissage ».
Visualisation des données
- L’intérêt de la visualisation.
- Outils disponibles,
- Exemples de visualisation avec R et Python
MOYENS PÉDAGOGIQUES ET TECHNIQUES D’ENCADREMENT DES FORMATIONS
Modalités pédagogiques :
- Évaluation des besoins et du profil des participants.
- Apport théorique et méthodologique : séquences pédagogiques regroupées en différents modules.
- Contenus des programmes adaptés en fonction des besoins identifiés pendant la formation.
- Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de travaux pratiques, étude de cas et mise en situation.
- Méthodes expositive, active et participative.
- Réflexion et échanges sur cas pratiques.
- Retours d'expériences.
- Corrections appropriées et contrôles des connaissances à chaque étape, fonction du rythme de l’apprenant mais également des exigences requises au titre de la formation souscrite.
Éléments matériels :
- Mise à disposition des outils nécessaires au bon déroulement des travaux pratiques.
- Support de cours au format numérique projeté sur écran et transmis au participant en fin de la formation.
Référent pédagogique et formateur :
- Chaque formation est sous la responsabilité du directeur pédagogique de l’organisme de formation.
- Le bon déroulement est assuré par le formateur désigné par l’organisme de formation.
MOYENS PERMETTANT LE SUIVI ET L’APPRÉCIATION DES RÉSULTATS
- Feuilles de présences signées des participants et du formateur par demi-journée.
- Attestation de fin de formation mentionnant les objectifs, la nature et la durée de l’action et les résultats de l’évaluation des acquis de la formation.
Please login to get access to the quiz
Back to Data Science
