• Meylan
  • Moirans
  • Sophia Antipolis
  • Les Webinaires ATP
  • Les Interviews ATP
04 76 41 14 20
Atp Formation
  • Formations
  • Certifications
  • Société
  • Contact
Plan de cours
  1. Accueil>
  2. Formations>
  3. Data Science – Deep learning>
  4. Introduction au Machine Learning avec Python
Search

Résultats pour {phrase} ({results_count} de{results_count_total})

Displaying {results_count} results of {results_count_total}

Generic filters

Formation Introduction au Machine Learning avec Python

Domaine : Data Science – Deep learning

Eligible CPF
Voir modalités

DURÉE
3 jour(s)

 
OBJECTIFS
Savoir mettre en place une stratégie de Machine Learning en Python afin de créer le modèle le plus satisfaisant possible en le mesurant et en affichant les résultats, le tout en utilisant des algorithmes performants.
 
Pré-requis
Maîtriser l’algorithmique, avoir une appétence pour les mathématiques. La connaissance de Python et des statistiques est un plus.

Participants

Développeur, chef de projets proche du développement, ingénieur scientifique sachant coder.

coût

Formation en cours collectif

Nous contacter pour une formation sur mesure ou en intra

programme

Télécharger le plan de cours

Consulter le plan de cours

LIEUx de formation
Notre centre de formation à GrenobleNotre centre de formation à MoiransNotre centre de formation à Sophia Antipolis
Sur votre site en formation intraEn classe distancielle

PROGRAMME DE FORMATION
Introduction au Machine Learning avec Python

INTRODUCTION AUX DATA SCIENCES
Qu'est-ce que la data science ?
Qu'est-ce que Python ?
Qu'est-ce que le Machine Learning ?
Apprentissage supervisé vs non supervisé
Les statistiques
La randomisation
La loi normale
RAPPELS DE PYTHON POUR LES DATA SCIENCES
Rappel
PIP
INTRODUCTION AUX DATALAKE, DATAMART ET DATA WHAREHOUSE
Qu'est-ce qu'un DataLake ?
Les différents types de DataLake
Le Big Data
Qu'est-ce qu'un DataWharehouse ?
Qu'est-ce qu'un DataMart ?
Mise en place d'un DataMart
MACHINE LEARNING
Filtrage
Qu'est-ce qu'un modèle et un dataset
Qu'est-ce qu'une régression
Les différents types de régression
La régression linéaire
Gestion du risque et des erreurs
Quarter d'Ascombe
Trouver le bon modèle
La classification
Loi normale, variance et écart type
Apprentissage
Mesure de la performance
No Fee Lunch
Les pièges du machine learning : Overfitting, Underfitting
MATPLOTLIB
Utilisation de la bibliothèque scientifique de graphe MatPlotLib
Affichage des données dans un graphique 2D
Affichage des sous-graphes
Affichage des polynômes et de sinusoïdales
PANDAS
Le Data Mining
L'analyse des données avec Pandas
Les DataFrames
La théorie ensembliste avec Pandas
L'importation des données CSV
L'importation des données SQL
Pandas et SKLearn
SCIKITLEARN
Le machine Learning avec SKLearn
La régression linéaire
La création du modèle
L'échantillonnage
La randomisation
L'apprentissage avec fit
La prédiction du modèle
Les metrics
Choix du modèle
PreProcessing et Pipeline
Régressions non polynomiales
NEAREST NEIGHBORS
Algorithme des k plus proches voisins (k-NN)
Modèle de classification
K-NN avec SciKitLearn
Choix du meilleur k
Sérialisation du modèle
Variance vs Erreurs
Autres modèles : SVN, Random Forest
La clusterisation avec k-Means
SCALABLE VECTOR MACHINE
Le modèle SVM
SVM et les petits datasets
Choix du kernel
RANDOM FOREST
Le principe de RF
Principe de la boite blanche
Reverse engineering RF
Les corrélations automatiques
LES RESEAUX NEURONAUX
Le perceptron
Les réseaux neuronaux MLP
La descente du gradient
TENSORFLOW ET KERAS
Les réseaux Denses
Keras
Dimensionnement du réseau
Les réseaux convolutifs
Le transfert learning
Le réapprentissage
L'apprentissage par renforcement
Les modèles courants (VGG, RestNet, Xception, LSTM, BERT, MobileNet)
L'optimisation des réseaux
Les réseaux neuronaux
Le perceptron
Les réseaux neuronaux
Les heuristiques
Le deep learning
dates des formations a grenoble
  • Formation sur mesure, nous contacter
    Intra
S'inscrire via son CPF
dates des formations a SOPHIA ANTIPOLIS
  • Formation sur mesure, nous contacter
    Intra
S'inscrire via son CPF
comprendre la plateforme cpf
Cursus formation
  • PYTHON Data Scientist avec Python
  • BIG DATA La synthèse
  • PYTHON Mise en oeuvre d'IHM avec Qt et PySide6
  • Introduction à la Programmation Orientée Objet
Formations de la même thématique
  • Machine Learning avec Scikit-Learn
nos centres de formation
meylan

Meylan
3 salles de formation

moirans

Moirans
3 salles de formation

sophia antipolis

Sophia Antipolis
3 salles de formation

Atp Formation
Formation informatique à Grenoble et Sophia Antipolis

31, avenue du Granier
38 240 Meylan

170, rue de Chatagnon
38 430 Moirans

1501/1503 route des Dolines
06560 Valbonne

  • Mentions légales
  • Conditions générales de vente
  • Contact
  • Formations
  • Certifications
  • Société
  • Contact
  • Formations
  • Certifications
  • Société
  • Contact
  • Les webinaires ATP
  • Les interviews ATP