Retour aux formations
IA & Data
Machine Learning - Fondamentaux avec Python et Scikit-Learn
3 jour(s) • 21h
Description
Objectif de formation : Cette formation vous permettra d’appréhender et d’appliquer les algorithmes de machine learning (apprentissage automatique) avec la librairie scikit-learn.
Objectifs pédagogiques
- Identifier les problèmes pouvant faire appel à l’apprentissage automatique
- Découvrir les modèles classiques d’apprentissage supervisé
- Évaluer les performances des modèles d’apprentissage
- Utiliser la librairie scikit-learn pour comprendre et mettre en oeuvre les différentes étapes d’un traitement de données par apprentissage supervisé
Public concerné
Développeurs
Ingénieurs
Chercheurs
Chefs de projets techniques
Prérequis
Connaissances solides en Python
Facultatif : Connaissances de base en algèbre linéaire
Facultatif : Avoir suivi la formation « Python - Programmation scientifique »
Déroulé du programme
1
Introduction à l’apprentissage automatique
- Historique et motivations
- Panorama des différents types d’apprentissage
- L’apprentissage supervisé : classification vs. régression
- Exemples concrets
2
Les modèles classiques
- Modèles linéaires
- Arbres de décision et modèles sous-jacents
- Support vecteur machines (SVMs) et leurs kernels
- Quelques modèles très utilisés dans l’industrie
3
La réduction de dimensions
- La malédiction de la dimension
- Variables corrélées / décorrélées du problème
- L’apprentissage non-supervisé : PCA & Manifold projection
4
Pré-traitement des données
- Normalisation
- Encodage des variables qualitatives
- Augmentation de données
- Traiter les données manquantes
5
Pipelines scikit-learn
- Découverte du Pipeline scikit-learn
- Enchainement de pré-traitement et d’entrainement de modèle
- Visualisation du Pipeline
- Introduction du ColumnTransformer
6
Sélection des modèles
- Théorème du “No-free lunch”
- Comparer des modèles
- Scores / métriques de performance
7
Optimisation des modèles
- Les hyper-paramètres
- Recherche en grille (grid search) vs. aléatoire (random search)
- Recherche d’hyperparamètres et cross-validation grâce au Pipeline
- Visualisation des résultats avec parallel plots (ex : plotly ou hiplots)
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