Formation Machine Learning avec Microsoft Azure et Python – Centre de formation M2i
M2i Formation

Découvrez notre formationMachine Learning avec Microsoft Azure et Python

Présentiel

3 jours (21 heures) - IA-ML

Accueil  ›  Formations Informatique  ›  Intelligence Artificielle (IA)  ›  Analyse de données avec Machine Learning et Deep Learning  ›  Machine Learning avec Microsoft Azure et Python

Objectifs pédagogiques

  • Comprendre et mettre en place un processus complet de Machine Learning
  • Explorer et préparer les données
  • Choisir et appliquer le bon algorithme
  • Entraîner et améliorer votre modèle et le déployer.

Niveau requis

Connaître les bases du Cloud Microsoft Azure et les bases du langage Python.

Public concerné

Développeurs, datascientists.

Paris La Défense17/02/20202 700 € HTDates proposées dans les agences M2iRéserver
Paris La Défense21/09/20202 700 € HTDates proposées dans les agences M2iRéserver

Sessions
planifiées
Sessions
ouvertes
Sessions
confirmées
Réserver
le stage

Introduction au Machine Learning

  • Définition
  • Vocabulaire
  • A quelles questions répond le Machine Learning ?
  • Atelier : Introduction au Machine Learning

Exploration des données

  • Explorer les données pour un algorithme dit de régression
  • Explorer les données pour un algorithme dit de classement
  • Azure Machine Learning Workbench et Azure Notebook
  • Atelier : Visualiser les données pour une régression et pour une classification

Préparer les données

  • Gérer les données dupliquées
  • Gérer les données manquantes
  • Gérer les erreurs
  • Transformer et splitter les données
  • Etudier les "features"
  • Azure Machine Learning Workbench et Azure Notebook
  • Atelier : Préparer les données en Pyhton et avec Azure Machine Learning Workbench

Algorithme supervisée

  • Les bases de Scikit-Learn
  • Régression linéaire et classification
  • Logistic regression
  • Loss Function et ROC
  • Atelier : Créer un modèle de régression et de classification

Amélioration du modèle

  • Selection des "features"
  • Régularisation
  • Interpréter les "features"
  • Paramètres
  • Validation croisée
  • Atelier : Selection, réduction, cross-validation, Biais-Variance Trade-Off

Entraîner et déployer le modèle dans Azure

  • Entraîner localement un modèle
  • Entraîner le modèle dans le Cloud
  • Déployer son modèle
  • Atelier : Entraîner et déployer le modèle

Les autres algorithmes

  • Arbres de décisions
  • Méthodes des ensembles
  • Réseaux de neurones
  • Support Vector Machines (SVM)
  • Théorème de Bayes
  • Atelier : Bagging, Boosting, RNN, SVM, Naïve Bayes

Algorithme non-supervisé

  • Clustering
  • Atelier : Application d'un cluster

Faites évoluer vos compétences

Complétez votre formation