Aller au contenu principal

Machine Learning

Date de mise à jour :
Identifiant Offre Info : 19_1701309613
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 LearningLe 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 LearningLes 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 -…

- 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 certifiante

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Durée

En centre

28 h

Financement

Conventionnement
Oui
Financeur
  • Autre

    Programme : Autre financement (AIF, entreprise , individuel…)

Conditions d'accès

Public visé

  • Tout public

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.

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement en présentielle

Adresse

41 rue de la Découverte
CS 37623
31676 Labège

Responsable : Data Value

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 fixes