Formation Machine Learning Avancé

Description

Cette formation Machine Learning Avancé vous apprendra à choisir les modèles adaptés à vos projets Machine Learning, puis à les optimiser. Elle vous permettra aussi de comprendre comment construire un modèle dans un contexte métier et d’évaluer sa performance.

A l'issue de cette formation Machine Learning Avancé, vous serez à l'aise pour mettre en place et optimiser des modèles de Machine Learning adaptés à votre problématique. Vous aurez aussi la possibilité de répondre à une problématique métier avec un choix de variable judicieux et tenant compte des contraintes projets.

La formation est destinée à des développeur·ses, chercheur·ses, Data Scientists, ou ingénieur·es ayant une expérience en Machine Learning, qui souhaitent approfondir leurs connaissances et compétences sur le sujet.

Vous débutez dans le Machine Learning ?

Si vous débutez en Machine Learning, jetez un oeil à notre formation Machine Learning.

🇺🇸 Cette formation est aussi disponible en anglais

Ils témoignent

Les objectifs

• Choisir l'algorithme adapté à une problématique donnée
• Préparer et modéliser les données
• Choisir des variables dans un contexte contraint, évaluer la performance d’un modèle dans le temps
• Optimiser un algorithme de Machine Learning

Pré-requis

• Expérience en Python et avec la librairie scikit-learn
• Avoir des connaissances en Machine Learning ou avoir suivi la formation Machine Learning avec Python
• Ordinateur portable à apporter

Le programme de la formation Machine Learning Avancé

Jour 1 : Rappels des principaux concepts du Machine Learning et de différents modèles

• Rappels généraux classification et régression
  • X et Y
  • La notion de score
  • Quid de l'apprentissage et du sur apprentissage
  • Un modèle en entreprise
  • Outils en python
• Modèles simples
  • Régression linéaire
  • Régression linéaire multiple
  • Régression logistique

Mises en pratique :
- Prise en main d’un jeu de données,
- Importation et modélisation avec Python,
- Mise en pratique avec scikit-learn,
- Création d’un modèle de classification et de régression.

Jour 2 : La création et le choix de variables, le plus important en modélisation !

• L’étude de la corrélation, objectif.
• Le cas des prévisions temporelles, contraintes et astuces.
• Validation du modèle et évaluation de sa précision dans le temps.
• Étude d’un effet non linéaire, les solutions avec les algorithmes de régression classiques.

Mises en pratique avec différents problèmes :
- Régression, classification et données temporelles,
- Evaluation de performance dans le temps,
- Construction de variables.

Jour 3 : Modèles complexes

• Exploration de modèles plus complexes
  • La random forest
  • xgboost

Mises en pratique :
- Optimisation du score avec des algorithmes de machine learning complexes,
- Travaux sur les hyperparamètres,
- Participation à une compétition en ligne !

Télécharger le programme

Formations associées

• 

  Machine Learning avec scikit-learn

  3 jours
• 

  Performances Python

  1 jour

Formateurs

Pierre HUMBERT

Après une thèse en mathématiques, Pierre est aujourd’hui chercheur à l'INRIA en Machine Learning.
En parallèle de son activité de recherche, il contribue à des projets plus appliqués notamment grâce à plusieurs partenariats dans le domaine médical.

C'est son envie de transmettre qui l'a naturellement poussé à devenir formateur en Machine Learning.

Titouan ROBERT

Titouan Robert travaille depuis 7 ans dans une entreprise de conseil. Il construit des projets de modélisation depuis 5 ans. Il a notamment participé à la modélisation des échanges d’énergies entre pays européen grâce à l’utilisation des réseaux de neurones, ou encore créé des modélisations de production éoliennes ou pour des appels en call centers.

Il est actif dans la communauté R, et donne des formations de Machine Learning en plus de son activité professionnelle. Ses langages de prédilections sont R et python.
Ce qu'il aime dans le fait d'être formateur, c'est d'aider des élèves à progresser. Ses formations sont très orientées sur la pratique afin de permettre à chacun de progresser en faisant !

Enfin, il a travaillé dans la recommandation de contenu personnalisé à l'utilisateur.

FAQ

8 raisons de participer à une formation Human Coders

• Satisfaction client élevée : Un taux de statisfaction de 4,6/5 depuis 2012 (sur 1679 sessions réalisées). 99% des participants se disent satisfaits de nos formations
• Approche pédagogique unique : Des formations en petit groupe, des formateurs passionnés et expérimentés, de véritables workshops... (Plus d'infos sur notre manifeste)
• Catalogue de formations complet : 175 formations au catalogue, de quoi vous accompagner sur tout vos projets
• Écosystème dynamique : Nous accompagnons les dev depuis 13 ans avec des initiatives comme Human Coders News, les Human Talks, le podcast ou encore notre serveur Discord
• Financement facilité : Organisme certifié Qualiopi, indispensable pour que vous puissiez obtenir des aides au financement via votre OPCO
• Références clients prestigieuses : De nombreux clients qui nous font confiance depuis des années
• Accompagnement sur mesure : Nous vous proposons un accompagnement personnalisé par nos consultants pour vous aider dans vos projets au-delà de la formation
• Valorisation professionnelle : Remise d'un diplôme, d'une attestation et d'une certification, suivant les formations effectuées, que vous pourrez afficher sur vos CV et réseaux sociaux