Aller au contenu principal

Machine learning

Date de mise à jour :
Identifiant Offre Info : 03_2100814F
Organisme responsable : Data Value (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

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…

- 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

- Comprendre l'intérêt du Machine Learning, branche de l'intelligence artificielle et ses apports pour l'analyse de données
- Appréhender les différentes étapes du Machine Learning, de la collecte des données à l'analyse des résultats en passant par la modélisation
- Évaluer le modèle sur un échantillon de test
- Appréhender les méthodes d'exploration graphique en Machine Learning
- Découvrir et mettre en œuvre les réseaux de neurones
- Découvrir et mettre en œuvre les arbres de décision
- Se familiariser avec les méthodes parcimonieuses en algorithme d'apprentissage statistique
- Connaître les méthodes de ré-échantillonnage pour évaluer la variabilité des paramètres statistiques
- Découvrir et mettre en œuvre les méthodes du Text Mining
- Avoir une vision des principaux logiciels de Machine Learning

Type de formation

Non certifiante

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Modalités pédagogiques

Mise en situation des participants devant des problèmes concrets issus de différents secteurs d'activité et appelant les méthodes d'analyses présentées

Durée

En centre

28 h

Financement

Conventionnement
Oui
Financeurs
  • Bénéficiaire de l'action

    Programme : Entreprise, Individuel (AIF, POEI, Région individuel, autofinancement)

    Publics : Décideurs, statisticiens, data scientists, chargés d'études en charge de l'exploitation des données de l'entreprise (marketing, gestion de la relation client, scoring, churn, ...)

  • Entreprise

    Programme : Entreprise, Individuel (AIF, POEI, Région individuel, autofinancement)

    Publics : Décideurs, statisticiens, data scientists, chargés d'études en charge de l'exploitation des données de l'entreprise (marketing, gestion de la relation client, scoring, churn, ...)

Conditions d'accès

Public visé

  • Tout public

Informations sur les publics

Décideurs, statisticiens, data scientists, chargés d'études en charge de l'exploitation des données de l'entreprise (marketing, gestion de la relation client, scoring, churn, ...)

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 statistique descriptive (exploratoire) : savoir décrire des observations ou d'avoir atteint par la pratique un niveau équivalent

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement en présentielle

Adresse

33 Rue de la République
69002 Lyon 2e

Responsable : ASI

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
41 rue de la Découverte
31676 Labège
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates permanentes