Machine Learning - Scikit-learn, TensorFlow, PyTorch et Modèles Supervisés/Non-supervisés
Formation créée le 28/01/2025.
Version du programme : 1
Programme de la formation
Cette formation de 5 jours est une immersion complète dans les techniques avancées du Machine Learning. Elle couvre les principaux outils et frameworks utilisés pour la mise en œuvre de modèles de machine learning, y compris Scikit-learn, TensorFlow, PyTorch, et les principes fondamentaux des modèles supervisés et non-supervisés. Les participants apprendront à concevoir, entraîner, évaluer et déployer des modèles pour résoudre des problèmes complexes en entreprise. L’objectif est de maîtriser l’application pratique de ces technologies dans des projets réels d’analyse de données.
Objectifs de la formation
- Maîtriser les principaux outils de Machine Learning : Scikit-learn, TensorFlow et PyTorch.
- Concevoir et déployer des modèles supervisés (régression, classification) et non-supervisés (clustering, réduction de dimensionnalité).
- Manipuler des jeux de données complexes et prétraiter des données pour optimiser la performance des modèles.
- Optimiser les hyperparamètres des modèles pour améliorer les résultats.
- Évaluer et interpréter les performances des modèles avec des métriques adaptées.
- Intégrer des solutions de Machine Learning dans des environnements de production.
Profil des bénéficiaires
Pour qui
- Data Science : Analystes de données, Data Scientists.
- Informatique et développement : Développeurs, Ingénieurs en Intelligence Artificielle, Architectes Cloud.
- Industrie et commerce : Responsables R&D, Chefs de projet en transformation digitale.
Prérequis
- Connaissances de base en Python et en statistiques.
- Expérience en programmation est recommandée (niveau intermédiaire).
Contenu de la formation
-
Jour 1 : Introduction et Prise en main des Outils
- Introduction au Machine Learning et à son écosystème
- Prise en main de Scikit-learn : Installation et première analyse de données
- Exploration des types de modèles : supervisés vs non-supervisés
- Présentation des principaux types de données et prétraitement (nettoyage, transformation)
-
Jour 2 : Modèles Supervisés - Partie 1
- Régression linéaire et logistique avec Scikit-learn
- Évaluation des modèles supervisés : MSE, précision, rappel, F1-score
- Applications pratiques sur des jeux de données réels (exemples : régression sur des données économiques, classification d’images)
-
Jour 3 : Modèles Supervisés - Partie 2
- Entraînement de modèles plus complexes : arbres de décision, forêts aléatoires, SVM
- Hyperparameter tuning avec GridSearchCV et RandomizedSearchCV
- Utilisation de TensorFlow pour des modèles de Deep Learning simples
-
Jour 4 : Modèles Non-Supervisés
- Clustering avec K-means, DBSCAN, et Agglomerative Clustering
- Réduction de dimensionnalité avec PCA et t-SNE
- Applications pratiques sur des données non-étiquetées (exemples : segmentation de marché, réduction de la dimensionnalité pour visualisation)
-
Jour 5 : Deep Learning et Déploiement des Modèles
- Introduction à PyTorch : Réseaux de neurones et backpropagation
- Construction d’un modèle de réseau de neurones simple avec TensorFlow
- Déploiement et mise en production des modèles de Machine Learning
- Étude de cas : Mise en place d’un pipeline complet de Machine Learning dans un environnement de production
Équipe pédagogique
Responsable Julien Broue j.broue@easypartner.fr Référente Handicap - Sandrine Blondeau /s.blondeau@easypartner.fr Formateurs Externes à venir
Modalités de certification
Résultats attendus à l'issue de la formation
- Les participants devront démontrer leur capacité à développer et déployer un modèle de Machine Learning en utilisant les outils enseignés. Des exercices pratiques seront réalisés tout au long de la formation et devront être complétés avec succès pour valider l’acquisition des compétences.
Modalité d'obtention
- Réussite d’une évaluation pratique en fin de formation (projet individuel ou en groupe). Remise d’un certificat de participation après avoir suivi les 5 jours de formation.
Détails sur la certification
- Le certificat délivré est reconnu dans le secteur de la Data Science et de l’Intelligence Artificielle. Il atteste de la maîtrise des outils et des techniques de Machine Learning à un niveau professionnel. Ce certificat est délivré par Easy Partner, un organisme certifié Qualiopi.
Accessibilité
Accessible aux personnes en situation de handicap : soit dans vos locaux s'ils sont adaptés, soit dans une salle réservée par nos soins et conforme aux réglementations en vigueur