Testez la formation gratuitement pendant 2 semaines
Description
Cette formation allie théorie et pratique.
​
Chaque semaine comporte un cours vidéo, des TP en Python et une séance de questions/réponses en visioconférence. Les cours passés restent accessibles indéfiniment.
​
A la fin des 20 semaines vous avez la possibilité de prendre le module optionnel de 4 semaine consistant à réaliser un projet et à le déployer en ligne avec l'aide d'un coach.
​
Un forum d'entraide est prévu pour vous permettre de poser vos questions entre 2 séances de questions/réponses.
Partie 1: Préambule (2 semaines)
Nous nous familiarisions avec l'environnement de programmation et effectuons quelques rappels en mathématiques
Programme:
S1: renforcement des bases en Python, rappels statistiques
S2: Rappels de probabilités, bases de l'apprentissage machine, frameworks python
Partie 2: Principaux algorithmes de ML (4 semaines)
Nous apprenons le fonctionnement des principaux algorithmes d'apprentissage supervisé.
Programme :
​S3: Le familles d’algorithmes d’apprentissage - Les algorithmes supervisés: régression linéaire, KNN
​S4: Les algorithmes supervisés: Arbres de décision et algorithmes ensemblistes
S5: Les algorithmes supervisés: réseaux de neurones
S6: Les algorithmes supervisés: SVM et Naive Bayes​
Partie 3: Entrainer efficacement ses modèles (4 semaines)
Nous voyons ici les fondamentaux pour entraîner nos modèles avec succès.
Programme :
​S7: Mesure de la performance des algorithmes supervisés - Sur-apprentissage et sous-apprentissage
​S8: Choix des hyperparamètres, validation
S9: Choix des algorithmes - Points forts et points faibles
S10: Revue globale de la méthode de résolution d’un problème supervisé​
Partie 4: Tirer partie au maximum de ses données (4 semaines)
Jusqu'ici nous avons travaillé avec des jeux de donnés déjà "propres". Mais cela est l'exception en réalité. Nous voyons ici comment rendre un jeu de données exploitable.
Programme :
​S11: Introduction à l’apprentissage non supervisé - Algorithmes de clustering
​S12: Pré-traitement des données, données catégorielles
S13: Réduction de la dimension du jeu de données, sélection d’attributs
S14: Transformation des données, données manquantes​
Partie 5: Stratégies approfondies d'entraînement (3 semaines)
Nous voyons ici des stratégies d'optimisation de vos modèles qui vous permettront de vous démarquer à coup sûr!
Programme :
​S15: Recherche automatique d’hyper-paramètres, outils d’auto-ML
​S16: Techniques de feature engineering
S17: Entraînement faiblement supervisé, traitement du problème du déséquilibre entre les classes
Partie 6: Applications du ML et perspectives (3 semaines)
Nous voyons ici les applications du ML dans différents contextes en entreprise. Nous vous apportons également une introduction aux méthodes actuellement très populaires d'apprentissage profond
Programme :
​S18: Application du ML aux séries temporelles, extraction de données à partir d’API
​S19: Applications du ML en entreprise: pricing, achats, immobilier, santé
S20: Initiation aux méthodes d’apprentissage profond
Partie 7: Projet optionnel de déploiement ML (4 semaines)
Accompagné par un coach avec lequel vous aurez 1h30 de visioconférence par semaine, sortez de la formation avec un projet ML déployé que vous pourrez mettre en avant lors de vos entretiens ou lié à votre projet personnel.
Prix: 465€
Au cours de ces 4 semaines en fonction de votre projet personnel, les sujets suivants seront abordés:
- Structuration du projet
- Collecte et pré-traitement des données
- Stratégie d'entraînement et de choix d'algorithme
- Options de mise en production (cloud, conteneur, site internet ou accès via un API etc...)
