Machine Learning

Objectifs

Découvrir les principales étapes d'une étude de Machine Learning et un panorama des méthodes associées (Data Mining, Analyse de Données). Apprendre à extraire de l'information utile à partir de données volumineuses, changeantes, non structurées.

Programme de la formation

- Définitions du Machine Learning

• Le contexte du Machine Learning : volume des données, nature des problèmes, mélange des disciplines
• Définitions du Machine Learning et de l'Analyse de Données
• L'histoire récente

- Le processus Machine Learning

• Les étapes du “Knowledge Discovery in Databases” (KDD)
• Extraction, prétraitements et nettoyage
• Analyses exploratoires
• Visualisations
• Modélisation
• Analyse des résultats
• Intégration
• Échantillon d'apprentissage, de test et de validation

- Méthodes d'exploration graphique

• Les analyses factorielles : composantes principales, correspondances simples et multiples
• Les algorithmes de classification : arbres et centres mobiles
• Les graphiques de Bertin

- Les réseaux de neurones

• Principes des réseaux de neurones (perceptron)
• Techniques de calculs
• Applications à la résolution de nombreux problèmes dont la discrimination et la régression
• Forces et faiblesses de l'approche

- Les arbres de décision

• Principe des arbres
• Les principaux algorithmes
• Validation et élagage d'un arbre
• Quelques exemples d'applications

- Les méthodes parcimonieuses

• Régression pas à pas
• Régression LASSO
• Régression RIDGE
• Elastic Net

- Les méthodes de ré-échantillonnage

• Bagging
• Boosting
• Random Forest

- Le Text mining

• Principe et méthodes du Text mining
• Techniques factorielles, typologies et lexicométrie
• Quelques applications : documents, messages électroniques, Internet, …

- Les principaux logiciels de Machine Learning

- Bilan

Validation et sanction

Attestation de formation

Type de formation

Non certificiante

Sortie

Sans niveau spécifique

Code Rome

Modalités pédagogiques

Durée

28 heures en centre, 35 heures hebdomadaires

Conventionnement : Non

Financeur(s)

Autre

Public(s)

Tout public

Modalités de recrutement et d'admission

Niveau d'entrée : Sans niveau spécifique

Conditions spécifiques et prérequis

Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation<a href="https://www.datavalue.fr/formation-statistique-descriptive-exploratoire" target="_blank" rel="">Statistique descriptive (exploratoire) : savoir décrire des observationsou d'avoir atteint par la pratique un niveau équivalent

Modalités d'accès

formation entièrement présentielle

Adresse

41, rue de la Découverte
CS 37623
31676 - Labège

Responsable :
Téléphone fixe :
Contacter l'organisme

Contact sur la formation

Responsable : Monsieur Cédric CALAS
Téléphone fixe :
fax :
Site web :
Contacter l'organisme

Contacter l'organisme formateur

Data Value
SIRET: 81837224500014
31676 Labège
Responsable :
Téléphone fixe : 0972567567
Site web :
Contacter l'organisme

du 17/06/2025 au 20/06/2025
débutant le : 17/06/2025

Adresse d'inscription

41 rue de la Découverte
CS 37621
31676 - Labège

Etat du recrutement : Ouvert
Modalités : Entrées / Sorties à dates fixes

Data Value
SIRET : 81837224500014

Adresse

41 rue de la Découverte
CS 37621
31676 - Labège

Téléphone fixe : 0972567567
Contacter l'organisme