Personnes souhaitant maîtriser et se perfectionner en Python sur le volet Machine Learning : Modéliser, explorer et classifier ses données.
Prérequis
Cette formation nécessite de posséder des bases de programmation en Python : importation et manipulation de données (des rappels seront effectués). Il est également nécessaire que les participant.e.s aient des connaissances de base en statistique.
Objectifs de la formation
A l'issue de cette formation, l'apprenant sera capable de :
Utiliser les différents composants de l'interface Python
Connaître les avantages et inconvénients du Machine Learning
Mettre en place les méthodes de Machine Learning avec les outils de Scikit-learn dans un objectif de prédiction
Construire un modèle prédictif
Evaluer la performance d'un modèle et ses erreurs
Optimiser un modèle
Contenu de la formation
Introduction
Présentation de Python : Historique
Pourquoi utiliser Python ?
Le langage de programmation
Installation de Python
Description de l'environnement et de l'interface de Python
Présentation du Machine Learning
Qu'appelle-t-on Machine Learning ?
Pourquoi faire du Machine Learning, dans quel contexte ?
Définition des problèmes d'apprentissage : classification et régression
Exemples de projets/problématiques de Machine Learning
Quelles sont les méthodes de Machine Learning ?
Syntaxe du langage Python
Conventions et règles
Définition des blocs et des commentaires
Les différents types de données
Les variables
Les différentes manipulations des types de données de base : numérique et chaîne de caractères
Les structures conditionnelles
Les opérateurs de comparaisons
Les fonctions
Définition des données en Python
Notion de variable
Création de variables
Les différents types de données en Python
Qu'est-ce qu'un « type » de données ?
Définition des types de données
Quels sont les différents types de manipulation de données en Python ?
La bibliothèque Scikit-learn
Présentation et outils de la bibliothèque
Importation de la bibliothèque
Création de modèles prédictifs
Différentes techniques d'apprentissage : Méthode des K-NN (K plus proches voisins) et arbre de décision
Création d'un modèle d'apprentissage avec les outils de Scikit-learn
Analyse de modèles prédictifs
Evaluation de la performance d'un modèle
Critères de performance
Procédure d'évaluation
Les différents critères d'évaluation de performance d'un modèle
Accuracy
Matrice de confusion et de coût (classification)
R²
Indicateurs d'écarts : Analyse des résidus
MSE (Erreur quadratique moyenne)
MAPE
Analyse des erreurs individuelles
Optimisation de modèles prédictifs
Définition des potentiels risques liés aux modèles prédictifs : Risques de sous-apprentissage et de sur-apprentissage
Ajustement / calibration du modèle pour éviter les risques de sous-apprentissage et de sur-apprentissage
Amélioration de la capacité de prédiction d'un modèle : Réalisation d'un ensemble de modèles. Cas des arbres de décisions - Forêts aléatoires (Random Forest)
Optimisation de la classification
Procédure de validation croisée
Evaluation et recherche des meilleurs paramètres d'un modèle
Compétences acquises à l'issue de la formation
Utiliser les différents composants de linterface Python
Connaître les avantages et inconvénients du Machine Learning
Mettre en place les méthodes de Machine Learning avec les outils de Scikit-learn dans un objectif de prédiction
Construire un modèle prédictif
Evaluer la performance dun modèle et ses erreurs
Optimiser un modèle
Modalités pédagogiques
Explications théoriques suivies de pratiques guidées puis de mises en autonomie.
Exercices autonomes et réguliers pour assurer l'assimilation
Moyens et supports pédagogiques
Votre formation a lieu en présentiel :
1 vidéoprojecteur par salle
1 ordinateur
Votre formation se déroule à distance avec :
1 ordinateur
1 connexion Internet
1 adresse e-mail valide
1 équipement audio (micro et enceintes ou casque)
1 Webcam (facultatif – dans l'idéal)
1 deuxième écran (facultatif – dans l'idéal)
Votre formation se déroule sur notre plate-forme de formation avec :
1 ordinateur
1 connexion Internet
1 adresse e-mail valide
1 équipement audio (micro et enceintes ou casque - facultatif)
Support stagiaire :
À l'issue de la formation, les exercices et travaux pratiques réalisés, leurs corrigés ainsi qu'un support de cours dématérialisé sera fourni à chaque stagiaire par e-mail ou via la plate-forme FOAD.
Modalités d'évaluation et de suivi
L'acquisition des compétences de la formation se fait à travers le suivi du formateur tout au long de la formation (séquences synchrones et asynchrones). Elle s'appuie également sur la réalisation d'exercices et de TP. Enfin, des quiz s'ajoutent aux différents outils de validation de l'acquisition des compétences visées. Une évaluation est systématiquement réalisée par chaque stagiaire, à l'issue de la formation.
Profil du formateur
Nos formateurs sont certifiés à l'issue d'un parcours organisé par nos soins. Ils bénéficient d'un suivi de maintien et d'évolution de leurs compétences aussi bien au niveau technique que pédagogique. Chacun de nos formateurs a bénéficié d'une formation spécifique à l'animation de classe virtuelle et à l'utilisation des solutions de formation à distance du Groupe ARKESYS.
Informations sur l'accessibilité
Cette formation est accessible à toute personne en situation de handicap. Notre référent handicap prendra contact avec les stagiaires concernés pour adapter l'animation à leurs besoins et rendre l'apprentissage accessible à tous. Enfin, nos centres de formation sont accessibles aux personnes à mobilité réduite.
Aucune formation INTER-ENTREPRISE n'est programmée pour le moment. Contactez-nous via le formulaire ou par téléphone au 04.37.24.36.78 afin de connaitre les dates possibles ou les autres modalités d'inscription.
Nous utilisons les cookies afin de fournir les services et fonctionnalités proposés sur notre site et afin d’améliorer l’expérience de nos utilisateurs.
Aucune information personnelle n'est transmise à des tiers.
Notre site internet groupe-arkesys.com utilise des cookies. Un cookie est un petit fichier qui est envoyé avec les pages de ce site Web et/ou les applications Flash et qui est stocké par votre navigateur sur votre disque dur à partir de votre ordinateur, téléphone portable, montre connectée ou tablette. Les informations qui y sont stockées peuvent être retournées à nos serveurs lors d'une visite ultérieure.
L'utilisation de cookies est d'une grande importance pour le bon fonctionnement de notre site web. Grâce à la contribution (anonyme) des visiteurs, nous pouvons améliorer l'utilisation du site internet et le rendre plus convivial. Votre consentement est requis pour l'utilisation de certains cookies. Nous le recueillons au moyen d'une bannière informative. Vous disposez d'un droit d'accès, de rectification, de limitation et de suppression de vos données personnelles.
Si vous avez des questions et/ou des commentaires, veuillez nous contacter à l'adresse e-mail suivante : philippe.requet@arkesys.fr
Ces cookies nous permettent de fournir les services et fonctionnalités proposés sur notre site internet et de le rendre plus convivial pour le visiteur. Par exemple, nous stockons vos données de connexion. Sans ces cookies, notre site ne fonctionnera pas.
Les cookies de mesure d\'audience et d\'amélioration du site. Un cookie anonyme est généré à chaque fois que vous visitez un site internet. Ces cookies permettent de savoir si vous avez déjà visité le site auparavant ou non. Ce n\'est que lors de la première visite qu’un cookie est créé. Lors des visites suivantes, l\'utilisation du cookie déjà existant est automatique. Ce cookie n\'est utilisé qu\'à des fins statistiques.