Aperçu du cours
Cette formation vise à approfondir les connaissances en machine learning en se concentrant sur l’implémentation des algorithmes d’apprentissage avancés et leur application aux jeux de données. Les participants apprendront à mettre en œuvre des modèles de régression, des méthodes de gradient pour l’apprentissage de modèles complexes, et à traiter des séries temporelles partiellement observées.
Prérequis
- Les participants doivent avoir des connaissances de base en statistiques ou en machine learning, ainsi qu'une compréhension des notions de probabilités et statistiques. Une expérience préalable avec des modèles de régression serait bénéfique.
Objectifs pédagogiques
- Mettre en œuvre des algorithmes d'apprentissage avancés.
- Appliquer des modèles de régression à des jeux de données.
- Comprendre et utiliser des méthodes de gradient pour l'apprentissage de modèles complexes.
- Traiter des séries temporelles partiellement observées en utilisant des techniques avancées.
- Analyser des études de cas pour résoudre des problèmes réels en machine learning.
Public ciblé
- Cette formation s'adresse aux ingénieurs et techniciens ayant des connaissances de base en statistiques ou en machine learning, ainsi qu'une compréhension des notions de probabilités et statistiques.
Programme de formation
-
Rappels et Modèles de Régression (7 heures)
-
Rappels de machine learning (1 heure)
-
Révision des modèles de régression (2 heures)
-
Travaux pratiques sur la mise en œuvre des modèles de régression (3 heures)
-
Études de cas (1 heure)
-
-
Méthodes de Gradient et Séries Temporelles (7 heures)
-
Méthodes de gradient pour l’apprentissage de modèles complexes (1 heures)
-
Travaux pratiques sur l’utilisation des méthodes de gradient (2 heures)
-
Apprentissage pour les séries temporelles partiellement observées (2 heures)
-
Travaux pratiques sur l’application à des données temporelles (2 heures)
-
Instructeur
