Initiation au Machine Learning

- Se familiariser et maîtriser les règles de base du Machine Learning,
- Connaître les familles d’algorithmes et développer quelques algorithmes pour appréhender le travail sur les variables et l’optimisation des erreurs de modélisation.
- Comprendre ce que représente le Machine Learning en termes de possibilité et de savoir-faire.
- Discerner les besoins de son entreprise, là où elle peut faire monter en compétences ses propres équipes et là où il sera plus efficace de faire appel à de l’expertise externe.
 

Matin 1

Tour de table 

Définitions - Big Data et Intelligence Artificielle
Présentation et description des concepts
Big Data : la base, le media, le codage, les 6V, des exemples emblématiques du big data
 IA : les objectifs, la complexité, le niveau d’intelligence

Les enjeux économiques, sociaux, environnementaux et de souveraineté
Les entreprises data-driven
L’open-source et l’open-data
Les architectures informatiques
La régulation européenne – RGPD – DMA/DSA et l’IA Act
L’humain augmenté et les univers virtuels

Organisation de projet ML
L’évaluation de la maturité d’une organisation
La démarche agile
Le MLOps            

Matin 2

Les grands principes du Machine Learning
Les étapes de construction d’un modèle
La nature statistique des données et leurs dimensions
Les modélisations supervisées, non-supervisées et par renforcement
Les classifications et les régressions
L’évaluation des modèles, les biais et les erreurs

La préparation des variables
Les librairies python performantes
Détecter les données aberrantes
Rééchantillonner des variables
Réduire le set de variables pour un modèle, faire avec les multi-colinéarités
Traiter les classes rares


Matin 3

Les modèles de Machine
Des modèles de Machine Learning
Régression linéaire simple, multiple, polynomiale.
Régression logistique Classification hiérarchique et non hiérarchique (K-means)
Classification par arbres de décision et ensemble Random ForestMachines à vecteurs supports
Gradient Boosting

Un aperçu des modèles de Deep Learning (une autre formation y est consacrée)

Chaque modèle est accompagné d’un exemple d’algorithme pré-codé en python.


Matin 4

Prise en main des codes préparés
Modélisation sur des nouveaux jeux de données
Optimisation des différents algorithmes

Tour de table de clôture

Le découpage de la formation est proposé à titre indicatif et pourra être adapté
 

Consulter le diplôme, titre ou certificat... délivrés en fin de formation ainsi que les métiers auxquels cette formation vous donne accès.