Intelligence artificielle (IA)

AutoML avec H2O.ai

AutoML avec H2O.ai s’adresse aux data scientists, analystes et professionnels IT souhaitant automatiser et accélérer leurs pipelines de machine learning. Cette formation de 14h vous permet de maîtriser les outils…

14h

Intermédiaire

distanciel,presentiel

Description de la formation

AutoML avec H2O.ai s’adresse aux data scientists, analystes et professionnels IT souhaitant automatiser et accélérer leurs pipelines de machine learning. Cette formation de 14h vous permet de maîtriser les outils de machine learning automatisé pour optimiser vos modèles prédictifs sans expertise approfondie en tuning d’hyperparamètres.

Vous apprendrez à utiliser H2O.ai pour automatiser la sélection de features, l’entraînement de modèles et l’évaluation comparative. Cette approche réduit significativement les délais de mise en production et améliore la performance de vos algorithmes grâce à des techniques d’ensembling et d’optimisation avancées.

Disponible en distanciel et présentiel, cette formation bénéficie d’un accompagnement individualisé pour adapter les apprentissages à votre contexte professionnel. Elle est éligible au CPF et finançable par votre OPCO ou France Travail. ESIC, certifié Qualiopi, garantit une pédagogie de qualité et un suivi pédagogique optimal tout au long du parcours.

Objectifs pédagogiques

Créer des modèles ML automatisés.
Comparer les performances des modèles.
Déployer des modèles H2O.ai.

Programme détaillé

Module 1 Séquence 1 — Comprendre les principes de l’AutoML

Comprendre les principes et les apports de l’AutoML.
Identifier les cas d’usage adaptés à une démarche AutoML.
Situer H2O.ai dans l’écosystème des outils de Machine Learning automatisé.

Module 2 Séquence 2 — Préparer les données pour une expérimentation AutoML

Préparer un jeu de données exploitable avec H2O.ai.
Identifier la variable cible et les variables explicatives.
Repérer les points de vigilance avant de lancer une expérimentation AutoML.

Module 3 Séquence 3 — Créer des modèles automatisés avec H2O AutoML

Lancer une expérimentation AutoML avec H2O.ai.
Configurer les principaux paramètres d’une expérimentation.
Comprendre les modèles générés automatiquement.

Module 4 Séquence 4 — Comparer les performances des modèles

Lire et interpréter les performances des modèles générés.
Comparer plusieurs modèles à partir de métriques adaptées.
Sélectionner un modèle pertinent selon le contexte d’usage.

Module 5 Séquence 5 — Interpréter les modèles et analyser les résultats

Comprendre les principaux éléments d’interprétation disponibles.
Identifier les variables les plus influentes.
Produire une lecture critique des résultats d’un modèle AutoML.

Module 6 Séquence 6 — Sauvegarder, exporter et réutiliser un modèle H2O.ai

Sauvegarder un modèle H2O.ai.
Recharger un modèle entraîné.
Réutiliser un modèle pour produire des prédictions.

Module 7 Séquence 7 — Cas pratique de synthèse

Mobiliser les acquis de la formation.
Réaliser une expérimentation AutoML de bout en bout.
Présenter et justifier les choix réalisés.

Prérequis

Connaissances en ML de base et Python/R

Public visé

Data scientists, analystes avancés

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 : Intermédiaire
🎯 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 ou R configuré pour les travaux pratiques
instance H2O.ai accessible pendant la formation
notebooks ou scripts d’exercices
jeux de données d’entraînement
exemples d’expérimentations H2O AutoML
exemples de leaderboards
modèles H2O.ai sauvegardés et réutilisables
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 principes de l’AutoML
une fiche de synthèse sur les métriques d’évaluation
des exemples d’expérimentations H2O AutoML
des exemples de sauvegarde et réutilisation de modèles
une bibliographie ou sitographie indicative pour approfondissement

Suivi de l'exécution et évaluation

Questions de validation sur le fonctionnement de H2O AutoML.
Vérification de la bonne configuration d’une expérimentation AutoML.
Lecture commentée d’un premier leaderboard.
Le cas pratique de synthèse permet de vérifier la capacité du participant à créer des modèles ML automatisés, comparer leurs performances et réutiliser un modèle H2O.ai dans une logique de déploiement.
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 prévu.

Fiche mise à jour le 7 juillet 2026.

AutoML avec H2O.ai

Description de la formation

Objectifs pédagogiques

Programme détaillé

Prérequis

Public visé

Modalités de la formation

Équipe pédagogique

Ressources pédagogiques

Suivi de l'exécution et évaluation

Accessibilité

Formations similaires

Améliorer l’efficacité de sa TPE à l’aide de l’IA

Excel et IA: Transformer les Données en Décisions

Formation pratique sur l’IA pour les entreprises

Les apprenants ont aussi consulté

Photoshop – Retouche photo et création graphique

Titre professionnel Secrétaire assistant médico-administratif – RNCP40800

Créer et gérer des sites web avec WordPress (Tosa)