Machine learning

Objectifs, programme, validation de la formation

Objectifs

• Découvrir les principales étapes d’une étude de Machine Learning et un panorama des méthodes associées (Data Mining, Analyse de données).
• Apprendre à extraire de l’information utile à partir de données volumineuses, changeantes, non structurées.

Description, programmation

• Définitions du Machine Learning

• Le contexte du Machine Learning : volume des données, nature des problèmes, mélange des disciplines

• Définitions du Machine Learning et de l’Analyse de Données

• L’histoire récente
• Le processus Machine Learning

• Les étapes du “Knowledge Discovery in Databases” (KDD)

• Extraction, prétraitements et nettoyage

• Analyses exploratoires

• Visualisations

• Modélisation

• Analyse des résultats

• Intégration

• Échantillon d’apprentissage, de test et de validation
• Méthodes d’exploration graphique

• Les analyses factorielles : composantes principales, correspondances simples et multiples

• Les algorithmes de classification : arbres et centres mobiles

• Les graphiques de Bertin
• Les réseaux de neurones

• Principes des réseaux de neurones (perceptron)

• Techniques de calculs

• Applications à la résolution de nombreux problèmes dont la discrimination et la régression

• Forces et faiblesses de l’approche
• Les arbres de décision

• Principe des arbres

• Les principaux algorithmes

• Validation et élagage d’un arbre

• Quelques exemples d’applications
• Les méthodes parcimonieuses

• Régression pas à pas

• Régression LASSO

• Régression RIDGE

• Elastic Net
• Les méthodes de ré-échantillonnage

• Bagging

• Boosting

• Random Forest
• Le Text mining

• Principe et méthodes du Text mining

• Techniques factorielles, typologies et lexicométrie

• Quelques applications : documents, messages électroniques, Internet, …
• Les principaux logiciels de Machine Learning
• Bilan

Validation et sanction

Attestation de formation

Type de formation

Perfectionnement, élargissement des compétences

Niveau de sortie sans niveau spécifique

---

Durée, rythme, financement

Modalités de l'alternance -

Conventionnement Non

Conditions d'accès

Niveau d'entrée sans niveau spécifique

Conditions spécifiques et prérequis -

Inscription

Contact renseignement Cédric ASI

---

Périodes prévisibles de déroulement des sessions

Session débutant le : 08/12/2021

Adresse d'inscription
Data Value
41 rue de la Découverte 31676 Labège

Lieu de formation

---

Organisme de formation responsable