fff

Combien de stagiaires suivront cette formation ?


Valider Annuler

Accueil    Formations    Intelligence Artificielle    IA par Métier    Data Science et Machine Learning    Machine Learning - Etat de l'art

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Objectifs de formation

A l'issue de cette formation, vous serez capable de :

  • Identifier les principes fondamentaux du Machine Learning pour une mise en oeuvre adaptée d'un projet d'Intelligence Artificielle
  • Décrire les concepts d'apprentissage automatique et l'évolution du Big Data vers le Machine Learning
  • Définir les enjeux de l'utilisation du Machine Learning, incluant les bénéfices attendus et des exemples d'usage
  • Identifier le positionnement du Machine Learning dans la chaîne de traitement de la donnée
  • Reconnaître les outils et les acteurs leaders du marché
  • Décrire les principaux algorithmes et la démarche projet à appliquer selon les cas d'usages en entreprise
  • Identifier les clés de réussite d'un projet intégrant du Machine Learning.

Prérequis

Avoir une culture informatique générale. Il est également recommandé de posséder des notions de probabilités et statistiques.

Validez les prérequis

Afin de vérifier que vous disposez bien des prérequis nécessaires à cette formation, nous vous invitons à réaliser ce test.

Temps estimé : 4 minutes.

Passer le test

Public concerné

Dirigeants d'entreprise, DSI, responsables informatique, consultants, responsables de projets Big Data ou toute personne souhaitant comprendre les mécanismes et les bénéfices du Machine Learning.

Programme

Jour 1

Introduction

  • Expliquer les concepts de Machine Learning
    • Définition
    • A quoi sert le Machine Learning ?
    • La différence entre Intelligence Artificielle et Machine Learning
    • Les enjeux de l'utilisation du Machine Learning
    • Outils nécessaires pour la pratique du Machine Learning sur vos propres données

Mise en place d'un workflow

  • Découvrir Python (NumPy, Pandas, Matplotlib, Seaborn...)
  • D'où vient l'importance de la visualisation des données ?
  • Comment la machine peut-elle lire différentes données de différents types ?

Explorer et préparer les données

  • Gérer
    • Les données manquantes
    • Les données dupliquées
    • Les variables catégoriques
  • Nettoyage des données (supprimer les données inutiles)
  • Diviser l'ensemble de données entre l'ensemble d'apprentissage et l'ensemble de test
  • Appliquer "Feature scaling"

Jour 2

Choisir et appliquer un bon algorithme

  • Comprendre la différence entre un contexte supervisé et un contexte non supervisé
  • Algorithmes supervisés
    • Maîtriser la différence entre la régression et la classification et dans quel contexte chacune est utilisée
    • Appliquer des méthodes de régressions (régression linéaire, régression polynomiale...)
    • Appliquer des méthodes de classification (KNN, SVM, forêt d'arbres décisionnels...)
    • Maîtriser et appliquer les paramètres d'évaluation des performances : MAE, RMSE pour la régression, et matrice de confusion, rapport de classement pour la classification (notion du true positif / true négatif, false positif / false négatif)
  • Algorithmes non supervisés
    • Clustering (K-means, Mean shift)
    • Réduction de dimension (PCA, LDA)

Déployer le modèle Machine Learning

  • Conditions de déploiement d'un modèle Machine Learning

Le contenu de ce programme peut faire l'objet d'adaptation selon les niveaux, prérequis et besoins des apprenants.

Modalités, méthodes et moyens pédagogiques

Formation délivrée en présentiel ou distanciel* (blended-learning, e-learning, classe virtuelle, présentiel à distance).

Le formateur alterne entre apports théoriques et démonstrations concrètes.

Variables suivant les formations, les moyens pédagogiques mis en oeuvre sont :

  • Ordinateurs Mac ou PC (sauf pour certains cours de l'offre Management), connexion internet fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour le distanciel)
  • Environnements de formation installés sur les postes de travail ou en ligne
  • Supports de cours

En cas de formation intra sur site externe à M2i, le client s'assure et s'engage également à avoir toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques...) au bon déroulement de l'action de formation visée conformément aux prérequis indiqués dans le programme de formation communiqué.

* nous consulter pour la faisabilité en distanciel

Modalités d’évaluation des acquis

  • Les participants réalisent, en début et en fin de formation, une auto-évaluation de leurs connaissances au regard des objectifs pédagogiques du séminaire suivi

Accessibilité de la formation

Le groupe M2i s'engage pour faciliter l'accessibilité de ses formations. Les détails de l'accueil des personnes en situation de handicap sont consultables sur la page Accueil et Handicap.

Modalités et délais d’accès à la formation

Les formations M2i sont disponibles selon les modalités proposées sur la page programme. Les inscriptions sont possibles jusqu'à 48 heures ouvrées avant le début de la formation. Dans le cas d'une formation financée par le CPF, ce délai est porté à 11 jours ouvrés.

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Vous souhaitez suivre cette formation ?

Cette formation est disponible en présentiel ou en classe à distance, avec un programme et une qualité pédagogique identiques.

Tarif : à partir de 1 720 € HT.

Choisissez la modalité souhaitée pour vous inscrire :

Formation disponible en intra-entreprise

Votre société a besoin d'une offre personnalisée ? Contactez-nous

Faites-nous part de votre projet de formation, nous sommes là pour vous guider.

Contactez-nous