Vous souhaitez discuter avec nous à propos de votre projet de formation ?
Vous voulez plus d'information sur une formation ou notre fonctionnement ?
Rappel Email
Dates
Nous pouvons organiser des sessions à d'autres dates ou dans d'autres villes (Bordeaux, Lille, Lyon, Marseille, Montpellier, Nantes, Nice, Paris, Strasbourg, Toulouse...)
Utilisé pour de la détection de fraude, des recommandations ou encore de la reconnaissance faciale, le Machine Learning (apprentissage automatique à partir de données) est aujourd'hui incontournable !
Durant cette formation Machine Learning avec Python, vous apprendrez à construire et optimiser vos modèles prédictifs grâce aux nombreux moments de pratique, en vous basant sur la librairie avec scikit-learn. Vous utiliserez également plusieurs librairies utiles, telles que Numpy, SciPy, Matplotlib ou encore Pandas.
Cette formation Machine Learning avec Python est destinée à des développeur·se·s, Data Scientist débutants en Machine Learning, souhaitant utiliser des modèles prédictifs dans leurs applications, et apprendre à les optimiser.
A l'issue de cette formation Machine Learning vous repartirez avec les corrigés des exercices vus avec le formateur, ainsi que les supports de cours. Vous aurez une bonne idée des rouages du Machine Learning et serez à l'aise pour construire des modèles prédictifs adaptés à vos problématiques.
Les objectifs
- Comprendre les enjeux et les fondamentaux du Machine Learning
- Concevoir et entrainer des modèles prédictifs adaptés à nos données d’apprentissage
- Évaluer, optimiser et améliorer les performances de modèles d'apprentissage automatique
Pré-requis
- Ordinateur portable à apporter
- Avoir des notions d'algorithmie/programmation
- Avoir fait des mathématiques jusqu'au Bac
- A l'aise avec le langage de base de Python (boucles for, conditions, types de variable, etc.)
Le programme de la formation Machine Learning avec Python
Jour 1 : La manipulation des données et l'exploration des données avec Python
- Découverte des principales librairies Python en sciences des données (Numpy, SciPy, Matplotlib, Pandas)
- Maitrise du calcul matriciel et de la manipulation de données
- Analyse et visualisation des données
Jour 2 : Introduction au Machine Learning
- Les différents types d'apprentissage et leurs principaux algorithmes
- Entrainement de vos premiers modèles de Machine Learning avec scikit-learn
- Evaluation et amélioration des modèles
Jour 3 : Amélioration des performances et résolutions de problèmes ML
- Optimisation des performances de vos modèles d'apprentissage
- Déploiement des modèles pour l'inférence
- Framework pour résoudre un problème de Machine Learning
Le(s) formateur(s)
Antoine Meicler
Antoine est un chercheur en intelligence artificielle, spécialisé en traitements d’images et en apprentissage automatique. Diplômé de l’ISAE SUPAERO, il a travaillé chez Criteo et dans diverses startups.
Il travaille aujourd’hui en indépendant et construit des solutions IA pour le compte de ses clients : ameicler.github.io . Il est également passionné par l’enseignement, et a cofondé le bootcamp Vivadata.
Sébastien Treguer
Sébastien est passionné par le Machine Learning (ML), que ce soit en explorant de nouvelles architectures de réseaux de neurones, ou en exploitant des approches plus classiques antérieures à l'ère du Deep Learning (DL). Il a très tôt exploré ces approches, notamment pour le traitement du signal et des images dès le début des années 2000. Passionné autant par la recherche que par les cas d'usage métier, il accompagne aujourd'hui startups et grands groupes à transposer les récentes avancées de la recherche en ML/DL à leurs problématiques métier. Ses expériences l'ont conduit à explorer une diversité de domaines dont la santé, la finance, l’énergie, l'automobile... Par ailleurs il collabore à des projets de recherche et est impliqué dans l'organisation de challenges et workshops lors de conférences internationales telles que NIPS, ICML, ICLR ou PAPIs. En termes de framework pour le Deep Learning il affectionne particulièrement PyTorch pour sa flexibilité et la diversité de sa communauté, après avoir affûté ses algorithmes avec TensorFlow et Theano.
Raphaël Bensamoun
Raphaël Bensamoun a acquis une solide expérience en tant que Data Scientist au sein d'un cabinet de conseil spécialisé dans l’IA. Durant trois ans, il a eu l'opportunité de travailler exclusivement avec des grands groupes français tels que Clarins, LVMH, TF1 et Fnac-Darty. Grâce à ces nombreuses missions en tant que Data Scientist consultant, il a pu explorer en profondeur les différentes technologies du monde de la data et de l'intelligence artificielle.
Il explore le monde de la data science depuis plus de cinq ans après avoir fait ses débuts en Java en 2013 pendant sa licence en IT. En 2016, il s'immerge totalement dans la data et le Machine Learning et décide de faire un master spécialisé à Londres. Lors de son retour en France, il a l'opportunité de travailler sur un projet de système de recommandation où il met en place les algorithmes de recommandation les plus avancés à l'aide de techno comme Python, Spark et Scala. Il réalise aussi un projet de Deep Learning dans lequel il monte en compétence avec des technos comme Keras.
Très tôt dans sa carrière professionnelle, Raphaël décide de partager ses connaissances et entre dans le monde de l'enseignement en donnant des cours particulier de Python et SQL. L'expérience de l’enseignement s'avère gratifiante, il décide donc de passer à la vitesse supérieure et commence à donner des cours dans un boot camp de data science, où il enseigne à des débutants les bases de son métier.
Au-delà des connaissances que Raphaël cherche à transmettre, son objectif est d'inculquer à ses élèves une méthodologie rigoureuse afin qu'ils puissent avoir la plus grande autonomie possible.
2 témoignages
Formation riche d'exemples et d'explications, accessible et agréable.
Sébastien CHAVIN
Pour profiter pleinement de cette formation je conseille d'avoir déjà quelques notions de ML et de savoir utiliser les notebook Jupiter ainsi que l'environnement Anaconda.
Frédéric MEFIANT
Besoin d'aide ?
Nos forces
- Des formations à taille humaine
- Des formateurs passionnés
- Des véritables workshop
Nos clients
Nos formations en images
Utilisé pour de la détection de fraude, des recommandations ou encore de la reconnaissance faciale, le Machine Learning (apprentissage automatique à partir de données) est aujourd'hui incontournable !
Durant cette formation Machine Learning avec Python, vous apprendrez à construire et optimiser vos modèles prédictifs grâce aux nombreux moments de pratique, en vous basant sur la librairie avec scikit-learn. Vous utiliserez également plusieurs librairies utiles, telles que Numpy, SciPy, Matplotlib ou encore Pandas.
Cette formation Machine Learning avec Python est destinée à des développeur·se·s, Data Scientist débutants en Machine Learning, souhaitant utiliser des modèles prédictifs dans leurs applications, et apprendre à les optimiser.
A l'issue de cette formation Machine Learning vous repartirez avec les corrigés des exercices vus avec le formateur, ainsi que les supports de cours. Vous aurez une bonne idée des rouages du Machine Learning et serez à l'aise pour construire des modèles prédictifs adaptés à vos problématiques.
Covid-19: Nous restons ouverts. Cette formation est disponible à distance.
Les objectifs
- Comprendre les enjeux et les fondamentaux du Machine Learning
- Concevoir et entrainer des modèles prédictifs adaptés à nos données d’apprentissage
- Évaluer, optimiser et améliorer les performances de modèles d'apprentissage automatique
Pré-requis
- Ordinateur portable à apporter
- Avoir des notions d'algorithmie/programmation
- Avoir fait des mathématiques jusqu'au Bac
- A l'aise avec le langage de base de Python (boucles for, conditions, types de variable, etc.)
Le programme de la formation Machine Learning avec Python
Jour 1 : La manipulation des données et l'exploration des données avec Python
- Découverte des principales librairies Python en sciences des données (Numpy, SciPy, Matplotlib, Pandas)
- Maitrise du calcul matriciel et de la manipulation de données
- Analyse et visualisation des données
Jour 2 : Introduction au Machine Learning
- Les différents types d'apprentissage et leurs principaux algorithmes
- Entrainement de vos premiers modèles de Machine Learning avec scikit-learn
- Evaluation et amélioration des modèles
Jour 3 : Amélioration des performances et résolutions de problèmes ML
- Optimisation des performances de vos modèles d'apprentissage
- Déploiement des modèles pour l'inférence
- Framework pour résoudre un problème de Machine Learning
Le(s) formateur(s)
Antoine Meicler
Antoine est un chercheur en intelligence artificielle, spécialisé en traitements d’images et en apprentissage automatique. Diplômé de l’ISAE SUPAERO, il a travaillé chez Criteo et dans diverses startups.
Il travaille aujourd’hui en indépendant et construit des solutions IA pour le compte de ses clients : ameicler.github.io . Il est également passionné par l’enseignement, et a cofondé le bootcamp Vivadata.
Sébastien Treguer
Sébastien est passionné par le Machine Learning (ML), que ce soit en explorant de nouvelles architectures de réseaux de neurones, ou en exploitant des approches plus classiques antérieures à l'ère du Deep Learning (DL). Il a très tôt exploré ces approches, notamment pour le traitement du signal et des images dès le début des années 2000. Passionné autant par la recherche que par les cas d'usage métier, il accompagne aujourd'hui startups et grands groupes à transposer les récentes avancées de la recherche en ML/DL à leurs problématiques métier. Ses expériences l'ont conduit à explorer une diversité de domaines dont la santé, la finance, l’énergie, l'automobile... Par ailleurs il collabore à des projets de recherche et est impliqué dans l'organisation de challenges et workshops lors de conférences internationales telles que NIPS, ICML, ICLR ou PAPIs. En termes de framework pour le Deep Learning il affectionne particulièrement PyTorch pour sa flexibilité et la diversité de sa communauté, après avoir affûté ses algorithmes avec TensorFlow et Theano.
Raphaël Bensamoun
Raphaël Bensamoun a acquis une solide expérience en tant que Data Scientist au sein d'un cabinet de conseil spécialisé dans l’IA. Durant trois ans, il a eu l'opportunité de travailler exclusivement avec des grands groupes français tels que Clarins, LVMH, TF1 et Fnac-Darty. Grâce à ces nombreuses missions en tant que Data Scientist consultant, il a pu explorer en profondeur les différentes technologies du monde de la data et de l'intelligence artificielle.
Il explore le monde de la data science depuis plus de cinq ans après avoir fait ses débuts en Java en 2013 pendant sa licence en IT. En 2016, il s'immerge totalement dans la data et le Machine Learning et décide de faire un master spécialisé à Londres. Lors de son retour en France, il a l'opportunité de travailler sur un projet de système de recommandation où il met en place les algorithmes de recommandation les plus avancés à l'aide de techno comme Python, Spark et Scala. Il réalise aussi un projet de Deep Learning dans lequel il monte en compétence avec des technos comme Keras.
Très tôt dans sa carrière professionnelle, Raphaël décide de partager ses connaissances et entre dans le monde de l'enseignement en donnant des cours particulier de Python et SQL. L'expérience de l’enseignement s'avère gratifiante, il décide donc de passer à la vitesse supérieure et commence à donner des cours dans un boot camp de data science, où il enseigne à des débutants les bases de son métier.
Au-delà des connaissances que Raphaël cherche à transmettre, son objectif est d'inculquer à ses élèves une méthodologie rigoureuse afin qu'ils puissent avoir la plus grande autonomie possible.
Suivi de formation en option
A l'issue de la formation, nos formateurs peuvent aussi intervenir pour vous accompagner dans la mise en application des compétences acquises :
- en répondant à vos questions lors de rendez-vous téléphoniques réguliers
- en étant présents physiquement à l'amorce du projet
- en réalisant un audit de vos pratiques quelques semaines/mois après la formation
Cette idée vous intéresse ? Faîtes-le nous savoir pour que nous trouvions la formule adaptée à votre situation.
2 témoignages
Formation riche d'exemples et d'explications, accessible et agréable.
Sébastien CHAVIN
Pour profiter pleinement de cette formation je conseille d'avoir déjà quelques notions de ML et de savoir utiliser les notebook Jupiter ainsi que l'environnement Anaconda.
Frédéric MEFIANT
Nos clients
Nos formations en images