MBD4
ANALYSE DE DONNEES ET MACHINE LEARNING

Objectifs pédagogiques de la formation :

Acquisition des bases de machine learning

Public concerné :

Dataminers, chargés d’études statistiques, consultants en informatique décisionnelle.
Prérequis : Notions de statistiques , MBD1, MSG2

Durée et lieu :

  • Durée : 21 heures sur 3 jours
  • Lieu : En Inter au centre de formation Soladis de Paris ou Lyon (pour consulter le calendrier, cliquez sur « S’inscrire ») ou en Intra sur votre site (minimum de 4 personnes)

Tarifs :

  • Inter : 2400€ HT par stagiaire
  • Intra : Nous consulter pour une offre adaptée à votre entreprise.
yo-1-500x500

Directeur Soladis DIGITAL : Francis DESTIN

« Les méthodes de machine learning sont variées et peuvent paraître très théoriques. Les formateurs de Soladis les appliquent au quotidien dans les projets digitaux ; l’association de l’expertise outil et l’expertise statistique ainsi que cette connaissance du terrain rendent cette formation très opérationnelle. »

Soladis vous invite à participer à cette formation à l’analyse de données de Big Data et aux méthodes de machine learning qui a pour objectif de vous donner un aperçu transverse des méthodes adaptées à la valorisation de données. Cette formation s’adresse à un public averti souhaitant comprendre et approfondir sa connaissance du sujet.

Programme de la formation

Introduction

  • Pourquoi la Data Science et le Machine Learning aujourd’hui ?
  • Historique : des débuts de l’intelligence artificielle au Deep Learning
  • Le métier de Data Scientist : tâches et outils

Statistiques descriptives et représentation synthétique des données

  • Maitriser les fonctions statistiques de base
  • Étude de la distribution d’une série de données
  • Estimation de paramètres par les intervalles de confiance
  • Evaluation de la liaison entre deux variables qualitatives et/ou quantitatives

Les algorithmes de Machine learning : théorie et pratique sous R

  • Apprentissage supervisé : prédiction et classification (régression linéaire, régression logistique, Support Vector Machine, KNN, Arbres de décision et Random Forests)
  • Apprentissage non supervisé : clusterisation et réduction de dimensionnalité (KMeans, Hierarchical Clustering, SVM et PCA, Manifold Learning)
  • Deep Learning et réseaux de neurones
  • Reinforcement learning
  • Analyse textuelle et Hidden Markov Models

Le choix du meilleur algorithme

  • Le risque du sur-apprentissage et comment le contourner
  • Définir un plan de test
  • Recherche d’hyper-paramètres

Les contraintes et les limites du Machine Learning

Un premier projet de Machine Learning

  • Mise en pratique avec un premier projet sous Kaggle

N’hésitez pas à revenir vers nous pour plus d’informations concernant cette formation pouvant être organisée dans notre centre de formation (dates fournies sur notre site web) ou directement dans vos locaux.

institute.soladis-blanc

Soladis
8 rue Bellecombe
69006 LYON - FRANCE

Tél: +33(0)3.28.09.94.70
Fax: +33(0)4.72.83.86.71

Mentions Légales

NOUS CONTACTER

Inscrivez-vous à notre newsletter