Initiation au Machine learning

OBJECTIFS

 Se familiariser et maîtriser les règles de base du Machine Learning,
 Connaître les familles d’algorithmes et développer quelques algorithmes pour appréhender le travail sur les variables et l’optimisation des erreurs de modélisation.
 Comprendre ce que représente le Machine Learning en termes de possibilité et de savoir-faire.
 Discerner les besoins de son entreprise, là où elle peut faire monter en compétences ses propres équipes et là où il sera plus efficace de faire appel à de l’expertise externe.

PUBLIC VISE

Ingénieurs et techniciens en bureau d’études ou tout autre personne utilisant de la modélisation de données

PREREQUIS

Connaissance en programmation Python, savoir écrire un script.
Mathématiques (moyenne, médiane, variance, calcul de distances, dérivées, etc.), savoir faire des opérations sur des données dans un tableur.
Un PC avec webcam, haut-parleur et micro et une liaison Internet sont requis. Un deuxième écran est fortement conseillé.

INTERVENANT

Data scientist / expert du Machine Learning
Le programme CAP’TRONIC aide, chaque année, 400 entreprises à monter en compétences sur les technologies liées aux systèmes électroniques et logiciel embarqué.

PRIX

Non-adhérent : 1 200€ HT
Adhérent CAP’TRONIC : 900€ HT

Remarque : Notre certification QUALIOPI vous garantit un process certifié sur nos actions de formation et permet un financement des formations CAP’TRONIC par votre Opérateur de Compétences (OPCO) hors CPF.

LIEU

Formation à distance : Les accès à un outil informatique en ligne adapté seront fournis au stagiaire avant le démarrage de la formation. Aucun logiciel spécifique n’est à installer. Seule une connexion à Internet est requise

PROGRAMME sur 4 demi-journées

Matin 1

Tour de table

Définitions - Big Data et Intelligence Artificielle
  Présentation et description des concepts
Big Data : la base, le media, le codage, les 6V, des exemples emblématiques du big data
IA : les objectifs, la complexité, le niveau d’intelligence

Les enjeux économiques, sociaux, environnementaux et de souveraineté
  Les entreprises data-driven
  L’open-source et l’open-data
  Les architectures informatiques
  La régulation européenne – RGPD – DMA/DSA et l’IA Act
  L’humain augmenté et les univers virtuels

Organisation de projet ML
  L’évaluation de la maturité d’une organisation
  La démarche agile
  le MLOps

Matin 2

Les grands principes du Machine Learning
  Les étapes de construction d’un modèle
  La nature statistique des données et leurs dimensions
  Les modélisations supervisées, non-supervisées et par renforcement
  Les classifications et les régressions
  L’évaluation des modèles, les biais et les erreurs

La préparation des variables
  Les librairies python performantes
  Détecter les données aberrantes
  Rééchantillonner des variables
  Réduire le set de variables pour un modèle, faire avec les multi-colinéarités
  Traiter les classes rares

Matin 3

Les modèles de Machine
- Des modèles de Machine Learning
Régression linéaire simple, multiple, polynomiale.
Régression logistique Classification hiérarchique et non hiérarchique (K-means)
Classification par arbres de décision et ensemble Random Forest
Machines à vecteurs supports
Gradient Boosting

- Un aperçu des modèles de Deep Learning (une autre formation y est consacrée)

Chaque modèle est accompagné d’un exemple d’algorithme pré-codé en python.

Matin 4

Prise en main des codes préparés
 Modélisation sur des nouveaux jeux de données
 Optimisation des différents algorithmes

Tour de table de clôture

Le découpage de la formation est proposé à titre indicatif et pourra être adapté

ORGANISATION

Moyens pédagogiques : Outil de visioconférence - Support de cours - Etude de cas et TP – assistance pédagogique assurée par le formateur pour une durée de 2 mois suivant la formation
Moyens permettant d’apprécier les résultats de l’action : Evaluation de l’action de formation par l’envoi d’un questionnaire de satisfaction à chaud à l’issue de la formation, puis d’un questionnaire à froid quelques semaines après la formation.
Moyen permettant de suivre l’exécution de l’action : Evaluation des connaissances via un questionnaire avant et après la formation.
Sanction de la formation : Attestation d’assiduité

RENSEIGNEMENTS ET INSCRIPTION

Florence CAGNARD, cagnard@captronic.fr - 06 70 73 23 43
Pour toute question y compris les conditions d’accès pour les publics en situation de handicap.

Les inscriptions sont closes. Pour connaitre les prochaines sessions de formation sur l’Intelligence Artificielle, cliquez ici

Informations mises à jour le 21/11/2023