Plongez-vous dans le monde du Machine Learning avec notre formation intensive.
Nous couvrirons les principes fondamentaux du Machine Learning, depuis la définition de problèmes spécifiques jusqu’à la mise en œuvre de solutions actionnables.
La formation abordera les techniques d’apprentissage supervisé et non supervisé, dont la régression linéaire et logistique, les forêts aléatoires, les réseaux de neurones, les SVM, la réduction de dimensionnalité, le clustering K-means et la détection d’anomalies.
Un accent particulier sera mis sur l’utilisation des systèmes de recommandation et le filtrage collaboratif.
Vous apprendrez comment prétraiter les données, construire des modèles d’apprentissage, mesurer leur performance, et surmonter les barrières techniques du Machine Learning.
Les travaux pratiques utiliseront des données réelles pour vous fournir une expérience pratique dans le traitement des images et du texte, ainsi que dans la résolution de problèmes de recommandation.
Programme détaillé
Introduction
- Qu'est-ce que le Machine Learning
- Principales facettes du Machine Learning
Fondamentaux
- Correctement poser un problème de Machine Learning
- Prétraiter des données
- Apprendre un modèle
- Évaluer un modèle
- Exploiter un modèle pour obtenir des résultats actionnables
Apprentissage supervisé
- Régression linéaire
- Régression logistique
- Random forest
- Réseaux de neurones (simples, de convolution et récurrents)
- SVM
Apprentissage non supervisé
- Réduction de dimensionnalité
- Clustering K-means
- Embeddings (word2vec)
- Détection d'anomalies
- Réseaux de neurones adverses
Systèmes de recommandation
- Filtrage collaboratif