MBD4 - ANALYSE DE DONNEES ET MACHINE LEARNING Mixte : présentiel / à distance

Dernière mise à jour : 20/09/2022

Bannière visuelle de présentation de la formation
Description
Les méthodes de machine learning sont variées et peuvent paraître très théoriques. Les formateurs de Soladis les appliquent au quotidien dans les projets digitaux ; l'association de l'expertise outil et l'expertise statistique ainsi que cette connaissance du terrain rendent cette formation très opérationnelle
Domaine : COSMETIQUES, MEDICAMENTS, DM, COMBINES
Objectifs de la formation
•  Acquisition des principaux outils de machine learning
•  Comprendre les forces des différentes méthodes et des risques associés
Public visé
  • Dataminers
  • Chargés d'études statistiques
  • Consultants en informatique décisionnelle
Prérequis
Aucun
Programme
1. Introduction
  • Pourquoi la Data Science et le Machine Learning aujourd'hui ?
  • Historique : des débuts de l'intelligence artificielle au Deep Learning
  • Le métier de Data Scientist : tâches et outils

2. Statistiques descriptives et représentation synthétique des données
  • Maitriser les fonctions statistiques de base, Étude de la distribution d'une série de données,
  • Estimation de paramètres par les intervalles de confiance, Evaluation de la liaison entre deux variables qualitatives et/ou quantitatives,

3. Les Algorithmes de Machine Learning : théorie et pratique sous R
 
  • Apprentissage supervisé : prédiction et classification (régression linéaire, régression logistique, Support Vector Machine, KNN, Arbres de décision et Random Forests)
  • Apprentissage non supervisé : clusterisation et réduction de dimensionnalité (KMeans, Hierarchical Clustering, SVM et PCA, Manifold Learning)
  • Deep Learning et réseaux de neurones, Reinforcement learning, Analyse textuelle et Hidden Markov Models,

4. Le choix du meilleur algorithme
 
  • Le risque du sur-apprentissage et comment le contourner, Définir un plan de test,
  • Recherche d'hyper-paramètres

5. Les contraintes et les limites du Machine Learning

6. Un premier projet de Machine Learning
  • Mise en pratique avec un premier projet sous Kaggle
Modalités pédagogiques
•  Discussion autour d'exemples pratiques.
•  Alternance d'exposés, de discussions avec le formateur et entre participants.
•  Nombreux cas pratiques directement applicables après la formation.
•  Remise des supports pédagogiques
•  Vidéo projection du support PowerPoint.
Modalités d'évaluation et de suivi
  • Evaluation de début et fin de formation.
  • Evaluation de la satisfaction en fin de formation.
Infos complémentaires
Il est recommandé d'avoir des connaissances des méthodes statistiques de base et d'avoir suivi la formation "CONCEPTS ET ENJEUX DU BIG DATA"

M'inscrire à la formation

Merci de préciser tout élément complémentaire à prendre en considération ou adaptation à prévoir au regard d'une situation de handicap (dès votre demande d'inscription)
Ajouter au panier
Prochaines Sessions
  • Désolé, cette formation n'est pas programmée pour le moment.
    Si vous êtes responsable formation, vous pouvez faire une requête pour l'organiser en INTRA dans votre entreprise.
Partager cette formation