Inscription à la formation
Durée de la formation :
- Total: 54h
- Durée session: 3h
- Durée totale: 18 semaines.
Le Machine Learning est une technologie d’intelligence artificielle permettant aux ordinateurs d’apprendre sans avoir été programmés explicitement à cet effet.
Cette formation en Machine Learning va vous permettre d’en assimiler l’essentiel. Vous serez en mesure de définir les étapes de préparation des données et de mettre en place et d’utiliser les principaux algorithmes de Machine Learning.
Que ce soit pour de la classification, du clustering, du traitement d’images, de données textuelles ou d’autres applications, cette formation machine learning vous fournit tout le bagage nécessaire à la compréhension de ce nouveau domaine passionnant.
Objectifs pédagogiques
Objectifs pédagogiques
Sur la base de tout ce que vous avez appris au cours de ce processus, vous allez exécuter le projet final de création de votre propre intelligence artificielle.
Introduction de domaine de l’IA (3h)
- Faire la différence entre Machine Learning, Deep Learning et Intelligence artificielle et savoir quelles sont leurs applications.
- Acquisition du vocabulaire associé.
Prise en main des outils et python (9h)
- Composants de la planification d'entreprise.
- Business Model Canvas (BMC), Value Proposition Canvas (VPC), Lean Canvas.
- Exercice pratique de création d'un Brand Statement et de Customer Personas.
Pré-traitement des données (9h)
- Connaître les types des données.
- Apprendre les techniques et les étapes de pré-traitement des données (Data cleaning, Data transformation, Feature selection ...).
- Application réelle de pré-traitement des données.
Visualisation des données (6h)
- Apprendre à visualiser et analyser le data grâce aux librairies Matplotlib et Seaborn
- Application pratique de visualisation des données
Machine Learning
- Apprendre à utiliser la bibliothèque Scikit-learn.
- Apprendre les techniques du Machine learning Supervisé: (12h)
- Les algorithmes de régression (régression linéaire, régression polynomiale … )
- Les algorithmes de classification (SVM, les arbres de décisions, Random Forest,KNN …)
- Apprendre leurs métriques d'évaluation des modèles.
- Applications pratiques de Machine Learning supervisé.
- Apprendre les techniques de Machine Learning non-supervisé: (9h)
- Les techniques de clustering (hierarchical clustering, partitional clustering ..)
- Le clustering par “ association rules”.
- Applications pratiques de Machine Learning non supervisées.
- Apprendre les techniques d’amélioration des résultats.
Visualisation des données (6h)
- Apprendre à visualiser et analyser le data grâce aux librairies Matplotlib et Seaborn
- Application pratique de visualisation des données
Pour suivre cette formation Machine Learning, des connaissances de base en programmation sont nécessaires ou une culture informatique générale. Quelques notions en mathématiques et statistiques seraient un plus.