Comprendre l’IA : Impact et utilisation dans la vie quotidienne et professionnelle
Comprendre les bases de l’IA, son impact et ses usages dans la vie quotidienne et professionnelle.
Intelligence artificielle (IA)
Introduction au Machine Learning avec Scikit-learn
Cette formation Introduction au Machine Learning avec Scikit-learn s’adresse aux développeurs, analystes et professionnels IT souhaitant acquérir les fondamentaux de l’apprentissage automatique. En 14 heures, vous maîtriserez les concepts clés…
Description de la formation
Cette formation Introduction au Machine Learning avec Scikit-learn s’adresse aux développeurs, analystes et professionnels IT souhaitant acquérir les fondamentaux de l’apprentissage automatique. En 14 heures, vous maîtriserez les concepts clés et l’implémentation pratique avec Scikit-learn.
Vous apprendrez à préparer les données, construire des modèles prédictifs, évaluer leurs performances et optimiser les résultats.
Disponible en distanciel et présentiel, cette formation peut faire l’objet de financements selon la situation du bénéficiaire, notamment via un OPCO, France Travail, l’entreprise ou l’autofinancement.
La formation est dispensée par ESIC, organisme certifié Qualiopi.
Objectifs pédagogiques
- Construire des modèles supervisés et non supervisés.
- Évaluer et comparer les modèles.
- Préparer les données pour le ML.
Programme détaillé
Module 1 Comprendre les principes du Machine Learning
- Comprendre les principes fondamentaux du Machine Learning.
- Identifier les principales familles d’apprentissage.
- Situer Scikit-learn dans l’écosystème Python data.
Module 2 Préparer les données pour le Machine Learning
- Comprendre le rôle central de la préparation des données.
- Nettoyer et transformer un jeu de données.
- Préparer les variables pour l’entraînement d’un modèle.
Module 3 Construire un premier modèle supervisé
- Construire un premier modèle de classification ou de régression.
- Comprendre les étapes d’entraînement et de prédiction.
- Interpréter les premiers résultats obtenus.
Module 4 Évaluer et comparer les modèles supervisés
- Choisir les métriques adaptées au type de problème.
- Évaluer la performance d’un modèle.
- Comparer plusieurs modèles de manière structurée.
Module 5 Construire un modèle non supervisé
- Comprendre les principes de l’apprentissage non supervisé.
- Construire un modèle de clustering.
- Interpréter les résultats d’une segmentation.
Module 6 Structurer un workflow Machine Learning avec Scikit-learn
- Structurer les différentes étapes d’un projet ML.
- Utiliser les pipelines Scikit-learn.
- Réduire les risques d’erreur et améliorer la reproductibilité.
Module 7 Cas pratique de synthèse
- Mobiliser les acquis de la formation.
- Construire un modèle ML simple de bout en bout.
- Présenter les choix réalisés et les résultats obtenus.
Prérequis
- Connaissances en Python et statistiques de base
Public visé
- Débutants en ML, data scientists juniors
Modalités de la formation
- ⏱ Durée : 14h
- 📍 Format : 100% en ligne (distanciel synchrone) · Présentiel (Malakoff / Paris)
- 💰 Financements éligibles : OPCO · France Travail · Plan entreprise · Autofinancement
- 📊 Niveau d'entrée : Débutant
- 🎯 Pédagogie : Apports théoriques, exercices pratiques, études de cas, projet fil rouge
- 🗓️ Délai d'accès : variable selon le mode de financement, généralement de 11 jours ouvrés à 1 mois après l'inscription. En savoir plus.
- ♿ Accessibilité : Chaque demande émanant d'une personne en situation de handicap fait l'objet d'une étude de faisabilité et d'adaptation. Contactez notre référent handicap.
Équipe pédagogique
Nos formations sont conçues et animées par une équipe de formateurs experts, sélectionnés pour leur double compétence : une expertise métier acquise sur le terrain et une réelle expérience pédagogique. Le suivi de chaque apprenant est assuré par un référent pédagogique dédié.
- Formateurs professionnels spécialistes de leur domaine, en veille permanente sur les évolutions du secteur
- Référent pédagogique dédié, disponible tout au long du parcours
- Contenus régulièrement actualisés et adaptés au niveau de chaque participant
- Référent handicap pour l'accueil et l'adaptation des personnes en situation de handicap
Ressources pédagogiques
- support pédagogique numérique
- environnement Python configuré pour les travaux pratiques
- notebooks ou scripts d’exercices
- jeux de données d’entraînement
- exemples de modèles Scikit-learn
- exemples de pipelines de préparation et de modélisation
- fiches de synthèse sur les principales métriques d’évaluation
- corrigés ou éléments de correction
- ressources complémentaires pour approfondissement
- le support pédagogique du module
- les jeux de données utilisés pendant la formation
- les notebooks ou scripts de démonstration
- les exercices pratiques
- les éléments de correction
- une fiche mémo sur les principales familles de modèles
- une fiche de synthèse sur les métriques d’évaluation
- des exemples de pipelines Scikit-learn
- une bibliographie ou sitographie indicative pour approfondissement
Suivi de l'exécution et évaluation
- Questions de validation sur les étapes d’un projet ML.
- Vérification du modèle construit par les participants.
- Le cas pratique de synthèse permet de vérifier la capacité du participant à préparer des données, construire un modèle supervisé ou non supervisé, évaluer les performances obtenues et interpréter les résultats.
- Questions de positionnement
- Exercices pratiques guidés
- Questions flash ou quiz court
- Cas pratique de synthèse
- Auto-évaluation et retour formateur
Accessibilité
Les modalités d’accueil, d’accompagnement et d’évaluation peuvent être adaptées aux besoins des participants en situation de handicap. Les adaptations peuvent notamment porter sur : • les supports pédagogiques ; • le rythme de progression ; • les modalités d’interaction ; • l’organisation des exercices ; • les conditions de réalisation des évaluations ; • les outils numériques utilisés. Toute adaptation est étudiée en amont afin de garantir l’accessibilité de la formation, la participation effective du stagiaire et l’atteinte des objectifs pédagogiques, dans le respect du cadre.
Fiche mise à jour le 26 septembre 2026.
Allez plus loin
Formations similaires
Dans le même domaine et au niveau Débutant.
Machine Learning distribué avec Spark ML
Cette formation Machine Learning distribué avec Spark ML s’adresse aux développeurs, data engineers et scientifiques des données souhaitant…
Expert en Jumeaux Numériques
Formation Expert en Jumeaux Numériques sur 2 ans, 1015h indicatives, dédiée à la conception, la modélisation, la simulation,…
👀 Cross-sell
Les apprenants ont aussi consulté
D'autres formations populaires qui pourraient compléter votre parcours.
Populaire RNCP37715
Accompagner la personne dans les actes essentiels du quotidien – BC02
Formation au bloc de compétences n°2 (BC02) du titre Assistant de vie aux familles (RNCP37715).
Populaire RS6957
InDesign – Réaliser des mises en page et publications professionnelles
Formation InDesign pour concevoir des documents professionnels, en préparation à la certification TOSA RS6957.
Populaire RS6964
Word – Rédiger et mettre en forme des documents professionnels
Formation complète pour maîtriser Word, du niveau débutant à avancé, en préparation à la certification TOSA RS6964.
