Programme Court Introduction au machine learning

Direction pédagogique : Salim NAHLE

 

S'inscrire Télécharger la brochure

Format

Présentiel

Durée

2 Jour(s)

Session

Toute l'année

Coût

1400 €

Présentation

Apprenez à mettre en œuvre les principaux algorithmes de Machine Learning sur des données réelles, à analyser leurs résultats, et comparer leurs performances.

Dans cette formation, nous introduisons les algorithmes de base d’apprentissage statistique. Nous nous intéressons à la modélisation d’une variable cible par d’autres variables d’entrées. Selon le type de variable cible nous étudions la régression (si elle est quantitative) et la classification (si elle est qualitative).

Objectifs : 

  • Connaitre ce qu’est le Machine Learning et identifier le type d’algorithme à appliquer selon les données disponibles et l’objectif de l’étude.
  • Appliquer des méthodes de régression et de classification les plus connues
  • Faire une sélection de variables afin d’obtenir les meilleurs modèles
  • Évaluer les modèles prédictifs

Moyens techniques

En fonction du format, distanciel via l’outil Teams, en présentiel, salle de formation équipée de postes de travail informatiques disposant de tous les logiciels nécessaires au déroulement de la formation, salle moderne climatisée, accès à l’environnement numérique Efrei.

Pédagogie & ressources

La formation s’articule autour : d’exposés, échanges, études de cas, d’outils de simulation. Le logiciel utilisé sera R ou Python.

Programme

Machine Learning
Plus de détails
  • Introduction générale au Machine Learning.
  • Différence entre apprentissage supervisé et non supervisé.
  • Différence entre Régression et Classification
Arbres de décision et forêts aléatoires
Plus de détails
  • Arbre de décision simple, complexité et élagage
  • Bagging et Forets aléatoires
Régression
Plus de détails
  • Régression linéaire simple et multiple
  • Régression par moindres carrés et régression par descente du gradient
  • Sélection de variables
Classification
Plus de détails
  • Régression logistique
Machine Learning
Plus de détails
  • Introduction générale au Machine Learning.
  • Différence entre apprentissage supervisé et non supervisé.
  • Différence entre Régression et Classification
Régression
Plus de détails
  • Régression linéaire simple et multiple
  • Régression par moindres carrés et régression par descente du gradient
  • Sélection de variables
Classification
Plus de détails
  • Régression logistique
Arbres de décision et forêts aléatoires
Plus de détails
  • Arbre de décision simple, complexité et élagage
  • Bagging et Forets aléatoires

Informations pratiques

  • Prérequis

    Pratique de R ou Python et connaissance en statistique

  • Profil du participant

    Ingénieurs et techniciens ayant besoin de méthodes d’apprentissage pour automatiser des tâches (prédiction, décision, etc.) de manière performante. Chefs de projets qui souhaitent mieux identifier les tâches que le Machine Learning permettrait d’automatiser.

  • Modalités d'évaluation

    Évaluation des acquis tout au long de la session par des travaux pratiques.

    Sanction de la formation :

    Une attestation de fin de formation résumant les objectifs visés par la formation est remise au participant à l’issue de la formation.

     

Intra-entreprise

Vous souhaitez adapter cette formation aux besoins spécifiques de votre organisation et pour vos collaborateurs ?

Nous pouvons décliner ce programme au format intra-entreprise pour vos équipes.

En savoir plus

Rejoindre Efrei Executive Education

Cette formation vous intéresse ?

S'inscrire Télécharger la brochure