1. Accueil
  2. Je recherche
  3. Une formation
  4. Machine learning : implémentation en Python

Référence: 261334787F

/

Mise à jour le

Machine learning : implémentation en Python

Dawan

Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation.

Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation par apprentissage.

Niveau de sortie : Sans Niveau spécifique

Pour cette formation

1 session disponible

Consulter

Objectifs

Comprendre et choisir une méthode d'apprentissage automatique
Acquérir les bases du Machine Learning avec Python

Programme

Comprendre l'apprentissage automatique (Machine Learning)
  • Machine Learning : définition, contextes d'utilisation, phases (apprentissage, mise en production)
  • Enjeux et limites
  • Approches mathématiques et statistiques
  • Application et types de données : graphes, arbres, courbes, vecteurs de caractéristiques Qualification de la phase d'apprentissage : classification, régression, renforcement, non supervision
  • Panorama d'algorithmes : régressions (linéaire ou logistique), machines à vecteurs, réseaux de neurones, k plus proches voisins (KNN), boosting,...
  • Facteurs de pertinence et d'efficacité : nombre d'exemples, qualité des attributs, pourcentage des données renseignées ou manquantes, bruit
Organiser un projet d'apprentissage
  • Défintion du problème
  • Acquisition des données
  • Analyse et exploration des données
  • Préparation et nettoyage des données
  • Extraction de caractéristiques
  • Choix ou construction du modèle d'apprentissage
  • Entrainement, évaluation et optimisation
  • Test et vérification de surapprentissage Déploiement
Découvrir des bibliothèques Python
  • NumPy : manipulation de matrices et fonctions
  • Pandas : lecture et manipulation de données
  • Jupyter et ses Notebook : utilisation de cahiers électroniques
Implémenter des algorithmes d'apprentissage sur des données
  • Présentation d'une base de données
  • Régression linéaire (simple ou multiple) : étude, import, création et application d'un modèle, évaluation
  • Régression logistique : packages, création et application d'un modèle, évaluation et matrice de confusion
  • K plus proches voisins (KNN) : packages Python, Application et évaluation, amélioration
  • Support Vector Machine (SVM) : principe, découverte de la base de données, application et évaluation
  • Analyse en composante principale (PCA) : principe, création du modèle et visualisation des données en 2D
  • Decision Tree : principe, préparation des données, création du modèle et visualisation de l'arbre de décision
  • Random Forest : principe, implémentation en Python
Evaluer les modèles implémentés
  • Ré-échantillonnage
  • Représentativité des données d'apprentissage Interprétation de la matrice de confusion Sensibilité et spécificité d'un test : Receiver Operating Characteristic (ROC) et Area under the ROC Curve (AUC)

Certifications et métiers visés

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

Résultats attendus

Attention, cette formation ne conduit pas à une certification ou une habilitation inscrite au RNCP.

1 session : Machine learning : implémentation en Python

  • au

    Dawan

    Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation.

    Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation par apprentissage.

    • Commune : Lyon 3e (69)

    Formation professionnelle