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

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\n\nProcédure d'admission: \nUn formulaire d'auto-évaluation proposé en amont de la formation nous permettra d'évaluer votre niveau et de recueillir vos attentes. Ce même formulaire soumis en aval de la formation fournira une appréciation de votre progression.

Modalités d'accès

formation entièrement présentielle

Adresse

41 rue de la Découverte
CS 37623
31676 - Labège

Responsable : Data Value
Téléphone fixe :
Contacter l'organisme

Contact sur la formation

41 rue de la Découverte
CS 37621
31676 - Labège

Responsable : Monsieur Cédric CALAS
Téléphone fixe : 0972567567
fax :
Site web :
Contacter l'organisme

Contacter l'organisme formateur

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

du 16/06/2026 au 19/06/2026
débutant le : 16/06/2026

Adresse d'inscription

41 rue de la Découverte
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