Logo de la rubrique Python pour la Data Science et l’intelligence Artificielle  - Mise en œuvre sur les séries temporelles

Python pour la Data Science et l’intelligence Artificielle - Mise en œuvre sur les séries temporelles

Pour connaitre les prochaines sessions de formation sur l’Intelligence Artificielle, cliquez ici




Python est le langage le plus utilisé pour l’IA. Cette formation est l’occasion de découvrir les librairies principales dans le traitement des données (collecte, caractérisation, préparation, analyses). Vous disposez d’une série de données indexées par le temps issues de divers capteurs, les algorithmes du machine Learning vous aident pour l’analyse et la prédiction ce qui permet de dire que prédire une série temporelle c’est prédire le futur !

Pré-inscription en ligne

OBJECTIFS

Se familiariser avec les librairies python dans le traitement des données les règles de base du Machine Learning.
Connaître et mettre en œuvre quelques algorithmes pour appréhender le travail sur les variables et l’optimisation des erreurs de modélisation.

PUBLIC VISE

Ingénieurs et techniciens en bureau d’études utilisant de la modélisation de données.

PREREQUIS

Savoir programmer en C, première expérience en algorithmique, Connaissances en mathématiques niveau Bac+2
Chacun son propre PC portable connecté sur Internet. Un PC avec webcam, haut-parleur et micro et une liaison Internet sont requis pour le jour 1.

INTERVENANT

Formateur industriel, 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

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
Formation sur 4 demi-journées (soit 14h)

PROGRAMME

La formation intégrera :
La collecte, la caractérisation et la préparation des données sur des séries temporelles et des données catégorielles et les modélisations avec du code déjà préparé et commenté.
1 journée pour des travaux pratiques sur des jeux de données.

Tour de table

- Introduction à Python
Les principales librairies python dans le traitement des données (collecte, caractérisation, préparation, analyses visuelles)
TP sur quelques modèles de Machine Learning, de régression et d’arbres de décision pour se familiariser avec les librairies scikit learn, les paramètres, la documentation et les principes d’une modélisation réussie.

- Introduction au machine Learning

Les grands principes
Les modélisations supervisées, non-supervisées et par renforcement
Les étapes de construction d’un modèle
L’évaluation des modèles
Pratique : Évaluer et comparer des modèles préparés pour l’exercice

Préparation des variables
La nature statistique des données et leurs dimensions
Représenter les variables, Détecter les données aberrantes
Le ré-échantillonnage de variables
Réduire le set de variables pour un modèle, faire avec les multi-colinéarités
Traiter les classes rares

Les algorithmes
Présentation de modèles
Régression linéaire simple, multiple, polynomiale.
Régression logistique Classification hiérarchique et non hiérarchique (K-means)
Classification par arbres de décision et ensemble Naïve Bayes, Random Forest
Machines à vecteurs supports, Méthodes à noyaux, Réseau neuronal
Mise en pratique
Chaque modèle est accompagné d’un exemple pré-codé. Les exercices s’intercalent dans la présentation pour permettre à chaque équipe de tester les modèles sur leur propre jeu de données.

Tour de Table

ORGANISATION

Moyens pédagogiques : Outil de visioconférence - Support de cours - Etudes de cas et TP - Une assistance pédagogique sur le cours sera assurée par le formateur pendant 1 mois à l’issue de 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

Anne-Laure ARIAS, arias@captronic.fr - 06 37 46 07 65
Pour toute question y compris les conditions d’accès pour les publics en situation de handicap.

Pré-inscription en ligne

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


Informations mises à jour le 21/09/2023

info portfolio