Formation Machine Learning pour Manager

Apprenez à mieux piloter vos projets impliquant du Machine Learning et à tirer le maximum de valeur de vos données grâce à cette formation Machine Learning pensée pour les Managers !

Prix (Formation inter-entreprise)

1800€ HT / personne

Durée

2 jours

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...)

Les managers ont un rôle clé à jouer dans la transformation de leurs sociétés par l’Intelligence Artificielle, et en particulier par le Machine Learning (ML).

Cette formation Machine Learning pour Managers pratique est la première de son genre à être conçue pour les managers techniques sans nécessiter de connaissances préalables en Machine Learning (ML).
Il fournit la pièce manquante pour vous permettre :

  • d’identifier les meilleures opportunités et business cases offertes par le Machine Learning (et le Deep Learning, qui en est un sous-ensemble),
  • de piloter un projet de Machine Learning, d’un point de vue managérial et fonctionnel,
  • de créer de la valeur à partir de vos données.

Cette formation se concentre non pas sur le fonctionnement d’algorithmes, mais sur comment en tirer profit dans le monde réel, et sur les bases à maîtriser pour gérer des projets impliquant du ML efficacement.

Tout au long de la formation Machine Learning pour Managers, vous serez initiés aux concepts clés du Machine Learning, accompagnés de cas d’usages concrets. Vous aurez également une expérience pratique des étapes principales dans un “workflow” typique de ML, par l’usage d’outils et d’interfaces graphiques :

  • BigML pour faire tourner du ML/DL automatisé,
  • Google Sheets pour préparer les données et analyser les prédictions.

Enfin, vous apprendrez comment formuler puis structurer correctement un projet de ML et diriger le travail de votre équipe à l’aide du Machine Learning Canvas.

Si vous êtes un manager, vous épargnerez des mois de travail à votre équipe en comprenant les principes enseignés lors de cette formation.
Si vous êtes un développeur ou un scientifique, ceci est la formation incontournable à recommander à votre manager pour mieux comprendre ce que les techniques actuelles de ML peuvent et ne peuvent pas faire.

BONUS — ebooks gratuits pour tous les participants : Bootstrapping Machine Learning et The Machine Learning Canvas

Les objectifs

  • Comprendre les opportunités uniques créées par le ML, et ses limites,
  • Apprendre à utiliser le ML Canvas pour formaliser un problème de ML, spécifier comment il s’intègrera dans une application en production, et pour initier vos projets de ML,
  • Acquérir une compréhension pratique des étapes dans un “workflow” typique de ML. Connaître les divers composants d’une plateforme de ML,
  • Créer une procédure d’évaluation et des métriques de performance propres à votre domaine d’application du ML. Comprendre comment une mauvaise procédure d’évaluation peut grandement surestimer la performance en production.

Pré-requis

  • Utilisation basique d’un tableur (ex : Microsoft Excel)
  • Bonne compréhension de l'anglais écrit (la formation est en français mais les slides, notebooks, code et autres ressources sont en anglais)
  • Ordinateur portable à apporter

Le programme de la formation Machine Learning pour Manager

Jour 1 : Démystifier le Machine Learning

Possibilités et limites du ML
  • Concepts clé
  • Types de tâches : classification, régression, prévision de séries temporelles, détection d’anomalies
  • Catégorisation des cas d’usage et applications business; exemples
  • Préparation des données pour le ML : de la collecte des données au “feature engineering”
  • Quand et pourquoi le ML ne fonctionne pas

Mise en pratique : participez à votre premier challenge, Kaggle, sans coder

  • Inspection et pré-traitement des données avec Google Sheets
  • Création du meilleur modèle pour vos données avec l’ “auto ML” sur BigML
  • Utilisation d’un modèle pour remplir les valeurs manquantes dans Excel
  • Envoi des prédictions à Kaggle
Evaluation des systèmes de ML
  • Procédures d’évaluation : comment partager ses données en ensembles d’apprentissage, validation, et test
  • Création de métriques de performance
  • Optimisation des seuils de probabilité de classifieurs et compromis entre mesures de performance concurrentes

Mise en pratique sur le challenge Kaggle

Jour 2 : Se préparer à l’utilisation du ML en production

Analyse des prédictions et du comportement des modèles
  • Concepts de biais et de variance des modèles
  • Courbe d’apprentissage
  • Analyse du comportement global d’un modèle
  • Analyse individuelle des prédictions

Mise en pratique sur le challenge Kaggle

Formalisation des problèmes de ML
  • Formuler une tâche que le ML peut adresser
  • Faire le lien entre prédictions, décisions, et création de valeur
  • Spécifier les différents aspects d’un système de ML grâce au Machine Learning Canvas (MLC)

Mise en pratique : exercice de groupe - application du MLC sur plusieurs études de cas

ML et ingénierie logicielle
  • Pipelines de ML : "featurisation", création de modèle, et pipeline de prédiction
  • Architecture et composants d’un système réel de ML
  • Réutilisation de composants d’un système à un autre, via des plateformes internes de développement et de déploiement de modèles
  • Passage en revue des différents types de solutions et plateformes cloud de ML
Conclusions
  • Récapitulatif des points clé de la formation
  • Tendances et challenges dans le ML appliqué
  • Méthodologie pour exécuter un projet pilote
  • Ressources pour aller plus loin

Télécharger le programme

Besoin d'aide ?

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

Nos forces

  • Des formations à taille humaine
  • Des formateurs passionnés
  • Des véritables workshop
Accéder au Manifeste

Nos clients

EADS
Orange
Axa
La Poste
INRIA
Boursorama

Nos formations en images

Sass et Compass
CasperJS
Ruby on Rails
Ruby

Formation Machine Learning pour Manager

Apprenez à mieux piloter vos projets impliquant du Machine Learning et à tirer le maximum de valeur de vos données grâce à cette formation Machine Learning pensée pour les Managers !

Les managers ont un rôle clé à jouer dans la transformation de leurs sociétés par l’Intelligence Artificielle, et en particulier par le Machine Learning (ML).

Cette formation Machine Learning pour Managers pratique est la première de son genre à être conçue pour les managers techniques sans nécessiter de connaissances préalables en Machine Learning (ML).
Il fournit la pièce manquante pour vous permettre :

  • d’identifier les meilleures opportunités et business cases offertes par le Machine Learning (et le Deep Learning, qui en est un sous-ensemble),
  • de piloter un projet de Machine Learning, d’un point de vue managérial et fonctionnel,
  • de créer de la valeur à partir de vos données.

Cette formation se concentre non pas sur le fonctionnement d’algorithmes, mais sur comment en tirer profit dans le monde réel, et sur les bases à maîtriser pour gérer des projets impliquant du ML efficacement.

Tout au long de la formation Machine Learning pour Managers, vous serez initiés aux concepts clés du Machine Learning, accompagnés de cas d’usages concrets. Vous aurez également une expérience pratique des étapes principales dans un “workflow” typique de ML, par l’usage d’outils et d’interfaces graphiques :

  • BigML pour faire tourner du ML/DL automatisé,
  • Google Sheets pour préparer les données et analyser les prédictions.

Enfin, vous apprendrez comment formuler puis structurer correctement un projet de ML et diriger le travail de votre équipe à l’aide du Machine Learning Canvas.

Si vous êtes un manager, vous épargnerez des mois de travail à votre équipe en comprenant les principes enseignés lors de cette formation.
Si vous êtes un développeur ou un scientifique, ceci est la formation incontournable à recommander à votre manager pour mieux comprendre ce que les techniques actuelles de ML peuvent et ne peuvent pas faire.

BONUS — ebooks gratuits pour tous les participants : Bootstrapping Machine Learning et The Machine Learning Canvas

Les objectifs

  • Comprendre les opportunités uniques créées par le ML, et ses limites,
  • Apprendre à utiliser le ML Canvas pour formaliser un problème de ML, spécifier comment il s’intègrera dans une application en production, et pour initier vos projets de ML,
  • Acquérir une compréhension pratique des étapes dans un “workflow” typique de ML. Connaître les divers composants d’une plateforme de ML,
  • Créer une procédure d’évaluation et des métriques de performance propres à votre domaine d’application du ML. Comprendre comment une mauvaise procédure d’évaluation peut grandement surestimer la performance en production.

Pré-requis

  • Utilisation basique d’un tableur (ex : Microsoft Excel)
  • Bonne compréhension de l'anglais écrit (la formation est en français mais les slides, notebooks, code et autres ressources sont en anglais)
  • Ordinateur portable à apporter

Le programme de la formation Machine Learning pour Manager

Jour 1 : Démystifier le Machine Learning

Possibilités et limites du ML
  • Concepts clé
  • Types de tâches : classification, régression, prévision de séries temporelles, détection d’anomalies
  • Catégorisation des cas d’usage et applications business; exemples
  • Préparation des données pour le ML : de la collecte des données au “feature engineering”
  • Quand et pourquoi le ML ne fonctionne pas

Mise en pratique : participez à votre premier challenge, Kaggle, sans coder

  • Inspection et pré-traitement des données avec Google Sheets
  • Création du meilleur modèle pour vos données avec l’ “auto ML” sur BigML
  • Utilisation d’un modèle pour remplir les valeurs manquantes dans Excel
  • Envoi des prédictions à Kaggle
Evaluation des systèmes de ML
  • Procédures d’évaluation : comment partager ses données en ensembles d’apprentissage, validation, et test
  • Création de métriques de performance
  • Optimisation des seuils de probabilité de classifieurs et compromis entre mesures de performance concurrentes

Mise en pratique sur le challenge Kaggle

Jour 2 : Se préparer à l’utilisation du ML en production

Analyse des prédictions et du comportement des modèles
  • Concepts de biais et de variance des modèles
  • Courbe d’apprentissage
  • Analyse du comportement global d’un modèle
  • Analyse individuelle des prédictions

Mise en pratique sur le challenge Kaggle

Formalisation des problèmes de ML
  • Formuler une tâche que le ML peut adresser
  • Faire le lien entre prédictions, décisions, et création de valeur
  • Spécifier les différents aspects d’un système de ML grâce au Machine Learning Canvas (MLC)

Mise en pratique : exercice de groupe - application du MLC sur plusieurs études de cas

ML et ingénierie logicielle
  • Pipelines de ML : "featurisation", création de modèle, et pipeline de prédiction
  • Architecture et composants d’un système réel de ML
  • Réutilisation de composants d’un système à un autre, via des plateformes internes de développement et de déploiement de modèles
  • Passage en revue des différents types de solutions et plateformes cloud de ML
Conclusions
  • Récapitulatif des points clé de la formation
  • Tendances et challenges dans le ML appliqué
  • Méthodologie pour exécuter un projet pilote
  • Ressources pour aller plus loin

Télécharger le programme

Le(s) formateur(s)

Christophe Labrousse

Christophe Labrousse

Christophe est ingénieur en informatique et en mathématiques appliquées. Après avoir été diplômé de l'Ensimag en 2006, il a été consultant, fondateur de startup, responsable de système d'information, développeur freelance, et a notamment développé des applications de finance personnelle et de Business Intelligence. Au travers de ces expériences, il a pu acquérir une forte culture "data" et a toujours recherché la meilleure technologie pour exploiter la valeur des données.

Christophe met en oeuvre des solutions basées sur le machine learning avec Python, scikit-learn, et diverses plateformes cloud. Formateur passionné et pédagogue, il aime enseigner à des profils variés la puissance de ces techniques quand elles sont mises en oeuvre sur les bons jeux de données. Il est également expérimenté en technologies de bases de données SQL, de traitement de données (Pandas), et web (Django, Selenium).

Voir son profil détaillé

Louis Dorard

Louis Dorard

Louis Dorard est l’auteur du livre Bootstrapping Machine Learning, du Machine Learning Canvas, General Chair des conférences internationales PAPIs.io, Adjunct Teaching Fellow à UCL School of Management où il enseigne le module Predictive Analytics, membre de l’Advisory Board de France is AI, et co-organisateur du meetup ML de Bordeaux. Dans le cadre de son activité de consultant indépendant, il accompagne grandes entreprises, PME et startups dans l’intégration du ML dans leurs produits. Par le passé, il a “bootstrappé” plusieurs technologies innovantes en tant que Directeur R&D chez Concept Immo Global. Louis est titulaire d’un PhD en Machine Learning de University College London, domaine dans lequel il travaille depuis plus de 10 ans.

Voir son profil détaillé

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.