À l’issue de la formation, le participant sera capable de :
- BDD & Décisionnel
- Python
Formation Introduction au machine learning avec Python
Objectifs
Appliquer des algorithmes de machine learning
Identifier les limites du machine learning
Mesurer la fiabilité d’un modèle
Comparer différents algorithmes
Prérequis
Maîtriser les librairies scientifiques NumPy et pandas ou avoir suivi la formation ‘Python Scientifique’.
Un entretien en amont avec notre expert permet de prendre en compte le profil de chaque participant (niveau, objectifs et résultats attendus, contexte professionnel, enjeux…)
Cette formation ne peut être financée que dans le cadre d’un projet d’entreprise (prise en charge entreprise ou OPCO). Les dossiers à financement personnel et CPF ne sont pas pris en compte.
Public
Techniciens, ingénieurs, développeurs, scientifiques, enseignants.
Dernière mise à jour
Programme mis à jour le 25 octobre 2024
Bon à savoir
Evaluez votre niveau
Pour vous aider à bien choisir votre formation, nous vous proposons soit un entretien avec le formateur soit un test d’évaluation. Cela vous assurera que vous disposez des connaissances nécessaires pour suivre la formation dans des conditions optimales.
Formations modulables
Toutes nos formations sont disponibles en présentiel comme en distanciel, en mode coaching individuel ou en groupe de 3 à 6 participants maximum.
Travaux pratiques
Nos formations comprennent de nombreux travaux pratiques pour un meilleur apprentissage (60 % de pratique). Nous proposons également de travailler sur vos données pour une meilleure expérience.
Les Modules
de formation
Module1
Introduction
Qu’est-ce que le machine learning ?
Pourquoi Python pour le machine learning ?
Pourquoi utiliser le machine learning ?
Apprentissage supervisé
Apprentissage non-supervisé
Apprentissage par renforcement
Les défis du machine learning
Module2
Les étapes d’un projet machine learning
Récupérer des données
Visualiser des données
Préparer et nettoyer les données
Sélectionner et entraîner un modèle
Mesurer la fiabilité d’un modèle
Module3
Algorithmes de machine learning : théorie et pratique avec scikit-learn
Classification
Régression
SVM
Clustering
Arbres de décision
Forêts aléatoires
Réduction de dimension
Les prochaines
sessions de formation
Sur demande
Vous souhaitez organiser cette formation à une date spécifique ?Contactez-nous en remplissant le formulaire ci-dessous
18 novembre 2024
13 janvier 2025
10 mars 2025
28 avril 2025