Votre formation en détail

Etudions ensemble vos options de financement
Contactez-nous pour monter votre dossier !

21 heures sur 3 jours

à Paris & à distance
(Zoom, Google Meet, etc.).

Soyez le premier
à noter
ce programme

1 990 € HT / personne

Etudions ensemble vos options
de financement

Objectifs de la formation

Introduction au Machine Learning pour Analystes (Python)

Identifier les concepts fondamentaux du machine learning (ML) et ses applications.
Préparer et transformer des jeux de données pour l’entraînement de modèles.
Mettre en œuvre des algorithmes supervisés et non supervisés sur des jeux de données réels.
Évaluer les performances des modèles et optimiser leurs hyperparamètres.
Interpréter les résultats et comprendre les implications des choix algorithmiques.

Pré-requis pour suivre cette formation

Connaissances fondamentales en statistiques et probabilités

A qui s'adresse cette formation ?

Analystes de données, data scientists débutants, ingénieurs et professionnels souhaitant comprendre et appliquer le machine learning avec Python

Formations recommandées

Aucun programme supplémentaire n'est requis pour suivre cette formation.

Au programme de la formation
Introduction au Machine Learning pour Analystes (Python)

Introduction au Machine Learning
  • Définition et enjeux du Machine Learning
  • Machine Learning supervisé vs non supervisé
  • Applications du ML dans différents domaines
Environnement et outils
  • Installation des bibliothèques (NumPy, Pandas, Scikit-Learn, Matplotlib)
  • Utilisation des notebooks Jupyter pour l'expérimentation
Exploration et préparation des données
  • Chargement et nettoyage des jeux de données
  • Traitement des valeurs manquantes et encodage des variables catégorielles
  • Normalisation et standardisation des données
Séparation des données et validation croisée
  • Division en ensembles d’entraînement et de test
  • Méthodes de validation croisée et importance du sur-apprentissage
Régression linéaire et logistique
  • Principe et mise en œuvre avec Scikit-Learn
  • Interprétation des coefficients et analyse des performances
Arbres de décision et forêts aléatoires
  • Fonctionnement des modèles d’arbres
  • Optimisation des hyperparamètres avec GridSearchCV
Introduction aux modèles non supervisés
  • Principe du clustering
  • Implémentation de K-Means et DBSCAN
Évaluation et sélection des modèles
  • Mesures de performance : précision, rappel, F1-score, courbe ROC-AUC
  • Comparaison des performances entre modèles
Optimisation des modèles et sélection des variables
  • Techniques de feature engineering
  • Réduction de dimension avec PCA
  • Régularisation (Lasso, Ridge)
Hyperparamétrisation et amélioration des modèles
  • Recherche d’hyperparamètres (GridSearch, RandomizedSearch)
  • Techniques d’augmentation des données
Interprétabilité et biais des modèles
  • Importance de l’explicabilité des modèles
  • Introduction à SHAP et LIME
  • Identification des biais algorithmiques
Introduction à la mise en production
  • Sérialisation des modèles avec Pickle
  • Déploiement basique avec Flask ou FastAPI
  • Bonnes pratiques pour l’industrialisation du ML

Méthode pédagogique

8 participants maximum, un poste par stagiaire et un support de cours est remis en fin de stage. La formation est constituée d'apports théoriques, de démonstrations et de mises en pratique basées sur des exercices (méthode démonstrative).

Accessibilité

Cette formation est accessible aux personnes en situation de handicap.

Modalité de validation des acquis

Évaluation continue des connaissances via des exercices et/ou ateliers et des acquis via un questionnaire en fin de formation. Attestation de fin de stage (certificat de réalisation). Émargement quotidien d'une feuille de présence.

En savoir plus sur notre approche...

Demander des informations

Vous souhaitez en savoir plus ou directement vous inscrire à une session ?
Contactez-nous pour monter votre dossier !

Aucune session n'est programmée.
Contactez-nous pour définir librement vos propres dates
Demander le programme
S'inscrire directement

Responsable de formation

Participants

Participant
x
Ajouter un participant

Financement

Comment souhaitez-vous financer cette formation ?


Modalités

Souhaitez-vous du distanciel ou du présentiel ?



Envoyer l'inscription
Merci, un conseiller vous contacte rapidement !
deco validation Ziggourat

Formations similaires

Ces formations pourraient vous intéresser

Voir d'autres formations
Voir d'autres formations