Support & Downloads

Quisque actraqum nunc no dolor sit ametaugue dolor. Lorem ipsum dolor sit amet, consyect etur adipiscing elit.

s f

Contact Info
198 West 21th Street, Suite 721
New York, NY 10010
youremail@yourdomain.com
+88 (0) 101 0000 000
Follow Us

Machine Learning - État de l'art

réf : BDT-MLE

Objectifs de formation : à l’issue de la formation, le stagiaire sera capable d’intégrer les principes fondamentaux du Machine Learning pour une mise en œuvre adaptée d’un projet d’Intelligence Artificielle.

Objectifs pédagogiques

  • Comprendre les concepts d’apprentissage automatique et l’évolution du Big Data vers le Machine Learning
  • Appréhender les enjeux de l’utilisation du Machine Learning, incluant les bénéfices attendus et des exemples d’usage
  • Identifier le positionnement du Machine Learning dans la chaîne de traitement de la donnée
  • Connaitre les outils et les acteurs leaders du marché
  • Découvrir les principaux algorithmes et la démarche projet à appliquer selon les cas d’usages en entreprise
  • Identifier les clés de réussite d’un projet intégrant du Machine Learning

Pré-requis

Avoir une culture informatique générale

Posséder des notions de probabilités et statistiques est recommandé

Public concerné

Dirigeants d’entreprise, DSI, Consultants, Responsables informatiques, Responsables de projets Big Data, toute personne souhaitant comprendre les mécanismes et les bénéfices du Machine Learning…

Programme

  • Historique
  • Contexte actuel
  • Liens avec d’autres technologies
  • Analyse descriptive, prédictive & prescriptive
  • Les outils du Machine Learning
  • Typologie des algorithmes
  • Données structurées, semi-structurées & non-structurées
  • Nature statistique des données
  • IoT & streaming
  • Open Data : forces & faiblesses
  • Corrélations & multicolinéarité
  • Analyse des composantes principales
  • Détection & correction des valeurs aberrantes
  • ETL
  • Web Scrapping
  • Les logiciels traditionnels
  • Python & R
  • Plateformes Cloud & solutions SaaS
  • L’émergence de nouveaux métiers
  • Corrélation compétences & outils
  • API en ligne
  • Chatbots
  • Apprentissage supervisé & non-supervisé
  • Online Learning
  • Reinforcement learning
  • Autres modalités d’apprentissage
  • Illustrations
  • Régression linéaire simple & multiple
  • Régression polynomiale (LASSO). Séries temporelles.
  • Régression logistique et applications en scoring.
  • Classification hiérarchique et non hiérarchique (KMeans).
  • Classification par arbres de décision ou approche Naïve Bayes.
  • Ramdom Forest (développement des arbres de décision).
  • Gradiant Boosting. Réseaux de neurones. Machine à support de vecteurs.
  • Deep Learning : exemples et raisons du succès actuel.
  • Text Mining : analyse des corpus de données textuelles.
  • Séparation du jeu de données : entraînement, test et validation
  • Techniques de bootstrap (bagging)
  • Validation croisée
  • Métrique de performance
  • Descente de gradient stochastique
  • Courbes ROC et de lift
  • Matrice de confusion
  • Plateforme Big Data
  • API
  • Développement & mise en production
  • Stratégie de maintenance corrective et évolutive
  • Evaluation du coût de fonctionnement en production
  • CNIL
  • Enjeux juridiques, économiques & éthiques
  • Droit d’accès aux données personnelles
  • Propriété intellectuelle des algorithmes
  • CDO & DPO
  • Impartialité des algorithmes
  • Biais de confirmation

Équipe pédagogique

Professionnel expert technique et pédagogique

Moyens pédagogiques et techniques

  • Espace intranet de formation.
  • Documents supports de formation projetés.
  • Exposés théoriques
  • Étude de cas concrets
  • Mise à disposition en ligne de documents supports à la suite de la formation.

Dispositif de suivi

  • Émargement numérique.
  • Mises en situation.
  • Formulaires d’évaluation de la formation.
  • Certificat de réalisation de l’action de formation.

Vous avez une question ?