Formation Data Science - Programmation R

• Présentation des notions de bases
• Modèles & Machine Learning
• Deep Learning
• AutoML

• Notions et cas d’usages
• Installation
• Introduction à R

Travaux pratiques

Installation et première utilisation d’H2O

• Définitions
• Arbres de décisions
• Random Forest & H2O
• Gradient Boosting Machine & H2O
• Overfitting & train / validation / test
• Validation croisée & H2O

Travaux pratiques

Création d’arbres de décisions et études des résultats

• Définitions
• Régression linéaire
• Régression logistique
• Naïve bayésien
• Hyperparamètre

Travaux pratiques

Création d’une régression et études des résultats

• Chargement et exportation de la donnée sous H2O
• Exploration de la donnée
• Manipulation de la donnée

• Réseaux neuronaux
• Deep learning & le Grid Search
• Régression en Deep Learning

• H2O Stack logiciel
• API REST
• Interaction avec R
• Sécurisation des modèles
• SSL Sécurité

• Cas d’utilisation nominale
• Construction de modèles
• Le munging de données
• Les processus en stream
• Présentation des fonctionnalités
• Les sources de données supportées
• Formats de données supportées
• Environnements d’exécutions Spark supportés

• Démarrage des services H2O
• L’allocation mémoire
• Conversion d’H2OFrame : RDD & DataFrame
• Convertion du RDD et DataFrame au H2OFrame
• Création d’un H2OFrame à partir d’une clé existante
• Le mapping des types entre H2OFrame et Spark DataFrame
• Appeler les algorithmes H2O
• Utilisation de Spark Data Sources avec H2OFrame
• H2OFrame : lecture & enregistrement
• Chargement et sauvegarde des options
• Spécification du mode d’enregistrement à appliquer

• POJO & MOJO
• MOJO Quick Start
• POJO Quick Start
• Illustrations de design patterns
• Ressources supplémentaires