03 20 61 95 00

Formation L’apprentissage Machine en Python (SciKit-Learn)


  • PSL
  • Durée : 2 jours
  • Tarif : 1390 € HT

Objectifs

Être capable de mettre en oeuvre SciKit-learn pour de l’apprentissage machine et l’analyse de données
Comprendre comment collecter les données et les préparer pour un traitement efficient
Savoir modéliser les données et optimiser les modèles
Être en mesure d’industrialiser et de déployer une application de prédiction

Prérequis

Connaissance de Python et d’une bibliothèque de calcul telle que Numpy ou Pandas

Public

Chefs de projet et data-scientists souhaitant comprendre le fonctionnement de SciKit-learn

enveloppe Cette formation vous intéresse ? Contactez-nous

A distance / Classe virtuelle

En classe virtuelle, vous êtes en totale immersion avec le groupe et participez à la formation dans les mêmes conditions que le présentiel : cours théorique, travaux pratiques, échanges en temps réel avec le formateur et les autres stagiaires…

Eligible CPF

Contactez nous pour connaitre les modalités d’inscription au titre du Compte Personnel de Formation

Notre formateur

La formation est animée par un professionnel de l’informatique et de la pédagogie, dont les compétences techniques, professionnelles et pédagogiques ont été validées par des certifications et/ou testées et approuvées par les éditeurs et/ou notre équipe pédagogique. Il est en veille technologique permanente et possède plusieurs années d’expérience sur les produits, technologies et méthodes enseignés. Il est présent auprès des stagiaires pendant toute la durée de la formation.

Présentiel

Formations intra ou interentreprises, cours officiels ou création de contenu spécifique, nos formations sauront répondre à vos attentes.

Un cadre Maîtrisé

4 à 6 participants maximum par session pour respecter les objectifs et résultats attendus et pour permettre la réalisation de tous les ateliers pratiques dans de bonnes conditions.
illustration-formation
Les + d'une formation Access it
Des formations d'excellence, éligibles CPF, disponibles en distanciel, et animées par des consultants experts passionnés par leur métier.
En savoir plus
modules

Les Modules
de formation

Module 1
BONNES PRATIQUES SCIKIT LEARN : INDUSTRIALISATION ET DÉPLOIEMENT

Persistance des modèles
Scaling des applications de prédictions avec SciKit Learn
Problématiques de latence et de débit à l’exécution
La parallélisation
La gestion de l’environnement Python associé
Atelier pratique : Industrialisation d’une application de prédiction

Module 2
LA RÉCUPÉRATION DE DONNÉES

L’API dédiée aux jeux de données
Problématique des grands jeux de données
Les jeux de données internes au framework
La génération de données artificielles
L’accès aux données ouvertes
Méthodologies de chargement de données externes
Atelier pratique : Collecte de données sur un cas concret

Module 3
LE PRÉTRAITEMENT

Cadre et rôle du prétraitement
Méthodes de mise à l’échelle des données
Normalisation des données
Traitement des données catégorielles
Traitement des données manquantes
Atelier pratique : Prétraitement des données dans un cas concret

Module 4
L'INGÉNIERIE DES VARIABLES PRÉDICTIVES

Cadre et rôle de l’ingénierie des variables prédictives
Transformations non linéaires
Algorithmes de réduction dimensionnelle de données
L’extraction automatique de traits (textes, images)
Combinaison et transformations ad-hoc des données
Atelier pratique : Ingénierie des variables prédictives sur un cas concret

Module 5
LA MODÉLISATION

Cartographie des algorithmes de l’écosystème
Tour de l’apprentissage supervisé avec SciKit Learn
Tour de l’apprentissage non supervisé avec SciKit Learn
En pratique, mode de sélection d’algorithmes pertinents
Atelier pratique : L’apprentissage supervisé et non supervisé sur cas concrets

Module 6
L’ÉCOSYSTÈME SCIKIT LEARN

Origine
Missions et évolutions
Architecture
Modules
Atelier pratique : Installation de l’écosystème (PC, MAC, LINUX)

Module 7
SÉLECTION ET OPTIMISATION DES MODÈLES

Présentation et usage des outils de combinaison et de chaînage de processus
L’évaluation de performance par validation-croisée
Le réglage des hyper-paramètres d’un modèle
Les APIs d’évaluation des modèles de prédiction
Les différentes courbes d’évaluations de modèles de prédictions
Atelier pratique : Sélection de modèle, et optimisation des réglages

Cette formation vous intéresse ? Contactez-nous !

Les données personnelles collectées sont destinées à Access IT Company et utilisées pour traiter votre demande et, lorsque vous ne vous y êtes pas opposé, vous communiquer nos offres commerciales. Les données obligatoires vous sont signalées sur le formulaire par un astérisque. L’accès aux données est strictement limité par Access IT Company aux collaborateurs en charge du traitement de votre demande. Conformément au Règlement européen n°2016/679/UE du 27 avril 2016 sur la protection des données personnelles et à la loi « informatique et libertés » du 6 janvier 1978 modifiée, vous bénéficiez d’un droit d’accès, de rectification, d’effacement, de portabilité et de limitation du traitement des donnés vous concernant ainsi que du droit de communiquer des directives sur le sort de vos données après votre mort. Vous avez également la possibilité de vous opposer au traitement des données vous concernant. Vous pouvez exercer vos droits en contactant le DPO à l’adresse suivante : dpo@access-it.fr ou à l’adresse postale suivante 2, Allée Lavoisier, 59650 Villeneuve d’Acscq. Pour plus d’informations sur le traitement de vos données personnelles par Access IT Company, veuillez consulter notre politique de confidentialité disponible sur notre site internet à l’adresse suivante : https://www.access-it.fr/politique-de-confidentialite/