Machine learning

Rechercher une formation

Source : Carif Ile-de-France

Fiche originale

Partager sur :

Objectifs, programme, validation de la formation

Objectifs

Comprendre les enjeux et les fondamentaux du Machine Learning
Concevoir et entrainer des modèles prédictifs adaptés à nos données d’apprentissage
Évaluer, optimiser et améliorer les performances de modèles d’apprentissage automatique

Description, programmation

Jour 1 : La manipulation des données et l’exploration des données avec
Python

Découverte des principales librairies Python en sciences des données Numpy, SciPy, Matplotlib,
Pandas)
Maitrise du calcul matriciel et de la manipulation de données
Analyse et visualisation des données

Jour 2 : Introduction au Machine Learning

Les différents types d’apprentissage et leurs principaux algorithmes
Entrainement de vos premiers modèles de Machine Learning avec scikit-learn
Evaluation et amélioration des modèles

Jour 3 : Amélioration des performances et résolutions de problèmes ML

Optimisation des performances de vos modèles d’apprentissage
Déploiement des modèles pour l’inférence
Framework pour résoudre un problème de Machine Learning

Validation et sanction

Attestation d’acquis ou de compétences ;Attestation de suivi de présence

Type de formation

Perfectionnement, élargissement des compétences

Niveau de sortie sans niveau spécifique

Durée, rythme, financement

Durée 21 heures en centre
Durée indicative : 2 jours

Modalités de l'alternance FOAD : 21 h

Conventionnement Non

Conditions d'accès

Modalités de recrutement et d'admission Entretien

Niveau d'entrée sans niveau spécifique

Conditions spécifiques et prérequis - Avoir des notions d'algorithmie/programmation - Avoir fait des mathématiques jusqu'au Bac - A l'aise avec le langage de base de Python (boucles for, conditions, types de variable, etc.) - Ordinateur portable à apporter