Aller au contenu principal

Machine Learning - optimisez vos algorithmes

Date de mise à jour :
Identifiant Offre Info : 14_AF_0000212465
Organisme responsable : Human Coders (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

Objectifs

  • Maîtriser les fondamentaux en algèbre linéaire et en analyse différentielle (convexité, dérivation),
  • Mieux connaître et utiliser les algorithmes d'optimisation pour le Machine Learning,
  • Ajuster les différent hyper-paramètres de manière optimale et ainsi améliorer ses prédictions,
  • Répondre à une problématique concrète qui nécessiterait une modification de la pénalisation ou de la fonction de coût

Programme de la formation

Cette formation de 3 jours, "Machine Learning : Optimisez vos algorithmes", vise à maîtriser les fondamentaux mathématiques et algorithmiques pour optimiser les modèles de ML, en progressant des bases théoriques vers des applications pratiques sur données réelles. Prérequis : Bases solides en algèbre linéaire, analyse différentielle (dérivation, convexité), Machine Learning (régression/classification) et programmation (idéalement Python). Le programme suit une logique progressive : Jour…

Cette formation de 3 jours, "Machine Learning : Optimisez vos algorithmes", vise à maîtriser les fondamentaux mathématiques et algorithmiques pour optimiser les modèles de ML, en progressant des bases théoriques vers des applications pratiques sur données réelles. Prérequis : Bases solides en algèbre linéaire, analyse différentielle (dérivation, convexité), Machine Learning (régression/classification) et programmation (idéalement Python). Le programme suit une logique progressive : Jour 1 pose les fondamentaux (algèbre linéaire, convexité, fonctions de coût) via exercices pratiques de manipulation vectorielle et visualisation ; Jour 2 explore les algorithmes de descente (batch, stochastique, proximal), hyperparamètres et régularisation avec coding, variations paramétriques et comparaisons de convergence ; Jour 3 applique tout sur cas concrets (données manquantes, déséquilibrées) et approfondit (momentum, validation croisée). Les méthodes d'apprentissage privilégient les mises en pratique intensives (implémentations, ateliers de codage, analyses comparatives) pour une expérience hands-on, favorisant la compréhension intuitive et l'adaptation à des problématiques réelles. Compétences acquises : Optimiser prédictions via réglage d'hyperparamètres, adaptation de coûts/régularisations, et choix d'algorithmes adaptés.

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Financement

Conventionnement
Non

Conditions d'accès

Public visé

  • Tout public

Niveau d'entrée

Sans niveau spécifique

Conditions spécifiques et prérequis

-

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement en présentielle

Adresse

11bis Passage Doisy
75017 Paris 17e

Responsable : Human Coders

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
Human Coders
75017 Paris 17e
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates fixes