Paris, Toulouse, Biarritz, Bordeaux, Aix-en-Provence
+33 5 61 34 39 80
contact@iform.fr

Catalogue de formations

Apprendre sous un autre angle.

L'intelligence artificielle pour les développeurs et architectes

Dernière mise à jour : 31/03/2021

Description
Module 1 : Présentation du ML et de ses possibilités
  • Concepts de base
  • Formalisation des problèmes d'apprentissage supervisé : classification et régression
  • Exemples d'utilisation : applications web, mobile, et Data Science en entreprise 
 
Module 2 : Création de modèles prédictifs
  • Intuitions derrière les techniques d'apprentissage des plus proches voisins (nearest neighbors) et arbres de décision (decision trees)
  • Révision des bases de Python; configuration et utilisation de notebooks Jupyter
  • Apprentissage de modèles avec la librairie open source scikit-learn et avec l'outil de ML-as-a-Service BigML sur des datasets de classification et de régression
  • Visualisation et interprétation

Module 3 : Évaluation des modèles prédictifs
  • Critères de performance et procédure d'évaluation
  • Mesures agrégées de performance des modèles prédictifs : accuracy, precision, recall, matrices de confusion et de coût (classification), MSE, R-squared, MAPE (regression)
  • Mise en pratique avec Python, scikit-learn et BigML sur les datasets précédents
  • Procédure d'examination d'erreurs individuelles 

Module 4 : Optimisation des modèles
  • Ajuster la complexité d'un modèle pour éviter le sous-apprentissage / sur-apprentissage
  • Comment augmenter l'exactitude des prédictions grâce aux ensembles de modèles ; application aux arbres de décision : random forests
  • Optimisation de la classification via adaptation du seuil de probabilité, et compromis entre mesures concurrentes
  • Procédure de validation et de cross-validation pour benchmarker les modèles 
Objectifs de la formation
  • Comprendre les possibilités et limites du ML
  • Construire des modèles prédictifs à partir de données d'apprentissage, basés sur arbres de décision et ensembles d'arbres
  • Interpréter les modèles, analyser leurs comportements, erreurs, performance et impact, pour ensuite les optimiser
  • Transformer les variables de type texte en représentations numériques pertinentes pour le ML
Prérequis
  • Connaissances en programmation et de la syntaxe basique du langage Python : des exemples de code sont fournis tout au long de la formation; les exercices peuvent être réalisés en combinant et en adaptant les briques de code fournies.
  • Connaissances basiques d'algèbre, de calcul et de statistique appréciables pour une meilleure compréhension de certains modules théoriques. 
Modalités pédagogiques
Inter-Entreprises / Intra-Entreprises et sur-mesure
Moyens et supports pédagogiques
Salle de formation équipée :
- un poste informatique par apprenant
- un bloc-notes + stylo
- un support de cours
- un espace de partage en ligne
- un vidéoprojecteur
- un tableau blanc
- connexion Internet
Modalités d'évaluation et de suivi
Questionnaire en ligne permettant l'évaluation des pré-requis.
Questionnaire de satisfaction de fin de stage.





 

M'inscrire à la formation

Lieu :
Balma
Salle à définir - AIX - 970, rue René Descartes Horizon Ste-Victoire Bat B 13100 Aix en Provence FRANCE
Détail des horaires :
Ajouter au panier
Session sélectionnée
  • 01/03/21 → 02/03/21 Balma
  • Détails :

    01/03/21 : 09:00 → 12:30
    14:00 → 17:30
    02/03/21 : 09:00 → 12:30
    14:00 → 17:30
Prochaines Sessions
  • 28/06/21 → 29/06/21 Balma
  • 28/06/21 → 29/06/21 Aix en Provence

Catalogue de formation propulsé par Dendreo,
logiciel spécialisé pour centres et organismes de formation