Aller au contenu principal

Data | Python - Le module Scikit-Learn

Date de mise à jour :
Identifiant Offre Info : 02_202312209619
Organisme responsable : EVOLUTION5 (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

Objectifs

• Découvrir les fonctionnalités de Scikit-Learn en Python. • Installer et configurer Scikit-Learn. • Gérer les valeurs manquantes et les outliers. • Normaliser et encoder les données. • Appliquer des modèles supervisés (régression, classification). • Entraîner, évaluer et optimiser les modèles. • Explorer les techniques de clustering. • Réduire la dimension des données avec l'ACP. • Valider les modèles avec la validation croisée. • Construire, optimiser et déployer des pipelines…

• Découvrir les fonctionnalités de Scikit-Learn en Python. • Installer et configurer Scikit-Learn. • Gérer les valeurs manquantes et les outliers. • Normaliser et encoder les données. • Appliquer des modèles supervisés (régression, classification). • Entraîner, évaluer et optimiser les modèles. • Explorer les techniques de clustering. • Réduire la dimension des données avec l'ACP. • Valider les modèles avec la validation croisée. • Construire, optimiser et déployer des pipelines d'apprentissage automatique.

Programme de la formation

Module 1: Découvrir Scikit-Learn en Python Présenter les fonctionnalités de Scikit-Learn. Installer et configurer Scikit-Learn. Module 2: Prétraiter les Données avec Scikit-Learn Gérer les valeurs manquantes et les outliers. Normaliser et encoder les données. Module 3: Appliquer l'Apprentissage Supervisé avec Scikit-Learn Introduire les modèles supervisés (Régression, Classification). Entraîner, évaluer et optimiser les modèles. Module 4: Explorer l'Apprentissage Non Supervisé avec…

Module 1: Découvrir Scikit-Learn en Python Présenter les fonctionnalités de Scikit-Learn. Installer et configurer Scikit-Learn. Module 2: Prétraiter les Données avec Scikit-Learn Gérer les valeurs manquantes et les outliers. Normaliser et encoder les données. Module 3: Appliquer l'Apprentissage Supervisé avec Scikit-Learn Introduire les modèles supervisés (Régression, Classification). Entraîner, évaluer et optimiser les modèles. Module 4: Explorer l'Apprentissage Non Supervisé avec Scikit-Learn Découvrir les techniques de clustering. Réduire la dimension avec l'analyse en composantes principales (ACP). Module 5: Valider les Modèles avec Scikit-Learn Appliquer des stratégies de validation croisée. Sélectionner modèles et hyperparamètres. Module 6: Intégrer Scikit-Learn dans des Pipelines Construire des pipelines d'apprentissage automatique. Optimiser et déployer des modèles. Module 7: Traiter les Images avec Scikit-Image Appliquer des techniques de traitement d'images avec Scikit-Image. Intégrer avec Scikit-Learn pour des tâches d'apprentissage automatique liées aux images. Module 8: Appliquer à des Problèmes Réels Résoudre des problèmes pratiques avec Scikit-Learn. Conduire des études de cas et des projets concrets. Module 9: Optimiser les Performances avec Scikit-Learn Utiliser des techniques d'optimisation pour des ensembles de données volumineux. Gérer la mémoire et paralléliser. Module 10: Explorer Avancée des Fonctionnalités de Scikit-Learn Utiliser avancée des fonctionnalités de Scikit-Learn. Explorer des modules spécialisés pour des domaines spécifiques d'apprentissage automatique. Nous pouvons adapter et personnaliser le programme en fonction de vos besoins par des compléments. N'hésitez pas à nous contacter pour ajuster le programme de votre formation !

Validation et sanction

-

Type de formation

Non certifiante

Niveau de sortie

Information non communiquée

Durée, rythme, financement

Durée

En centre

30 h

Financement

Conventionnement
Oui
Financeur
  • Autre

    Programme : Non conventionnée / sans dispositif

Conditions d'accès

Publics visés

  • Demandeur d'emploi
  • Handicapé
  • Jeune (dans le cadre du plan jeune)
  • Jeune 16-25 ans
  • Public en emploi
  • Salarié
  • Salarié dans le cadre du CIF
  • Salarié dans le cadre du DIF
  • Salarié dans le cadre du plan de formation
  • Salarié en contrat aidé
  • Salarié en période de professionnalisation
  • Salarié en reconversion
  • Tout public

Niveau d'entrée

Sans niveau spécifique

Conditions spécifiques et prérequis

Aucune

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement à distance

Adresse

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
19 rue Massenet
33700 Mérignac
Modalités
Entrées / Sorties à dates permanentes