Description
Objectif de formation : Au terme de la formation l'apprenant aura pris en main le langage de programmation R et détiendra des compétences de base en Data Science grâce à lui.
Objectifs pédagogiques
- Savoir utiliser la bibliothèque H2O
- Manipuler les modèles de Machine Learning et de Deep Learning sous H2O
- Reconnaître les cas d'utilisation avec Spark
Public concerné
Statisticiens
Consultants Big Data
Data analysts
Data scientists
Prérequis
Avoir des connaissances en Machine Learning
Avoir des bases en programmation R
Déroulé du programme
1
Introduction au Machine Learning
- Présentation des notions de bases
- Modèles & Machine Learning
- Deep Learning
- AutoML
2
Présentation d'H2O
- Notions et cas d'usages
- Installation
- Introduction à R
- Travaux pratiques : installation et première utilisation d'H2O
3
Arbres et forêts
- 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
4
Modèles linéaires
- Définitions
- Régression linéaire
- Régression logistique
- Naïve bayésien
- Hyperparamètre
- Travaux pratiques : création d'une régression et études des résultats
5
Data Manipulation
- Chargement et exportation de la donnée sous H2O
- Exploration de la donnée
- Manipulation de la donnée
6
Deep learning H2O
- Réseaux neuronaux
- Deep learning & le Grid Search
- Régression en Deep Learning
7
Architecture et sécurité sous H2O
- H2O Stack logiciel
- API REST
- Interaction avec R
- Sécurisation des modèles
- SSL Sécurité
8
Présentation du Sparkling Water
- 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
9
API H2O
- 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
10
H2O en production
- POJO & MOJO
- MOJO Quick Start
- POJO Quick Start
- Illustrations de design patterns
- Ressources supplémentaires
Informations
Durée
3 jour(s)
21h
Tarif
2100 € HT
HT
Formations similaires
IA & Data
Migration vers le Cloud
2 jour(s)
Sur demande
IA & Data
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
3 jour(s)
Sur demande
IA & Data
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
1 jour(s)
Sur demande
IA & Data
Analyse des données avec Microsoft Power BI (4-167)
3 jour(s)
2200 € HT