03 20 61 95 06

Formation Introduction au machine learning avec Python


  • mlpgc
  • Durée : 2 jours
  • Tarif : 890 € HT

96%

Taux de satisfaction clients
(sur 1512 évaluations du 19/05/21 au 23/10/24)

Voir les avis

Objectifs

À l’issue de la formation, le participant sera capable de :

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
enveloppe Cette formation vous intéresse ? Contactez-nous

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.
modules

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

Cette formation vous intéresse ? Contactez-nous !

    Les données personnelles collectées sont destinées à Access IT Company et utilisées pour traiter votre demande et, lorsque vous ne vous y êtes pas opposé, vous communiquer nos offres commerciales. Les données obligatoires vous sont signalées sur le formulaire par un astérisque. L’accès aux données est strictement limité par Access IT Company aux collaborateurs en charge du traitement de votre demande. Conformément au Règlement européen n°2016/679/UE du 27 avril 2016 sur la protection des données personnelles et à la loi « informatique et libertés » du 6 janvier 1978 modifiée, vous bénéficiez d’un droit d’accès, de rectification, d’effacement, de portabilité et de limitation du traitement des donnés vous concernant ainsi que du droit de communiquer des directives sur le sort de vos données après votre mort. Vous avez également la possibilité de vous opposer au traitement des données vous concernant. Vous pouvez exercer vos droits en contactant le DPO à l’adresse suivante : [email protected] ou à l’adresse postale suivante 2, Allée Lavoisier, 59650 Villeneuve d’Ascq. Pour plus d’informations sur le traitement de vos données personnelles par Access IT Company, veuillez consulter notre politique de confidentialité disponible sur notre site internet à l’adresse suivante : https://formation.access-it.fr/politique-de-confidentialite/