Machine-Learning

Cette formation s’adresse à des personnes souhaitant découvrir les concepts et les applications de l’apprentissage automatique (Machine Learning) et la mise en œuvre de quelques algorithmes majeurs.

Les objectifs de cette formation sont de comprendre les enjeux du machine learning et les principes de ses méthodes ainsi que la construction de quelques modèles prédictifs illustrant les principales applications.

• Définir les objectifs sous-jacents au data mining et au machine learning,
• Expliquer le concept d’apprentissage automatique,
• Maîtriser le vocabulaire spécifique : notions d’apprentissage supervisé, non supervisé, par renforcement,
• Définir les familles de méthodes : contexte, principes et champs d’application,
• Mettre en œuvre sous R et interpréter les résultats des méthodes suivantes : K-means, règles d’association, arbres de décision et de régression, random Forest, classification naïve bayésienne, Support Vector Machine (SVM), Gradient Boosting,
• Évaluer la qualité du modèle,
• Définir une méthode d’apprentissage des modèles,
• Préparer les données : gestion des données manquantes et des classes « rares », réduction de dimension, choix des variables du modèle.

De bonnes connaissances en statistique inférentielle ainsi que sur les méthodes de régression et d'analyse discriminante, Fondamentaux en R fondamentaux en R

Tout public

• Introduction sur la data science, le data mining et le machine learning,
• Présentation des familles de méthodes,
• Limites des méthodes classiques,
• Préparation des données,
• Évaluation de la qualité du modèle,
• Focus sur les méthodes suivantes : principes, mise en œuvre et interprétation des résultats.

Les formateurs de Seenovate sont des consultants expérimentés et certifiés. Ils appuient leur pédagogie sur leur expertise terrain en conseil et en réalisation de projet en statistique et data science.

Méthodes et moyens : 

• Une convention de formation
• Une enquête en amont sur les attentes des stagiaires
• Feuilles d’émargement signées à chaque session
• 1 vidéoprojecteur par salle / 1 poste de travail par stagiaire
• Explications théoriques suivies de pratiques guidées puis mises en autonomie

Méthode d’évaluation des acquis : 

• Quiz et exercices d’applications tout au long de la formation
• Evaluation de fin de stage
• Attestation de suivi de formation

Support stagiaire :  

• Support de cours électronique (dématérialisé) / En français