Formation machine learning pilotage du développement des plateformes logicielles

• La formation vise l'acquisition du bloc de la certification Expert en Système d'information et sécurité de niveau 7 : Pilotage du développement des plateformes logicielles. Par ailleurs, il sera proposé en sus le passage de la certification
• Identifiant interne d'action

Introduction à la formation Machine Learning

• Intelligence Artificielle, Big Data, Data Science et Machine Learning : définitions et principes fondamentaux
• Retour historique sur l’apprentissage automatique
• Champs d’application du machine learning
• Terminologie (étiquette, caractéristique, modèle, inférence…)
• Exemples de mise en œuvre du machine learning
• Principaux outils : Jupyter notebooks, scikit-learn, Pandas, BigML, Dataiku

Rappels mathématiques (vecteurs, loi normale, probabilité conditionnelle…) lors de la formation Machine Learning

Rappels sur la programmation en Python et notebooks Jupyter

Catégorisation des techniques et algorithmes d’apprentissage

• Apprentissage supervisé
• Classification et régression
• Apprentissage non-supervisé
• Clustering
• Principaux algorithmes : Support Vector Machines, modèles de probabilité, arbres de décision, etc
• Modéliser les problématiques d’entreprise en problèmes de machine learning
• Workflow pour la construction d’un modèle
• Choisir un type d’apprentissage et un algorithme pertinents

Obtention et préparation des données

• Rappels sur les données (format, structuration, collecte, visualisation, interprétation)
• Obtenir les données
• La librairie open source scikit-learn
• Techniques d’exploration des données
• Feature Engineering (ingénierie des caractéristiques)
• Extraction et sélection des features
• Réduction de la dimension des données
• L’analyse en composantes principales (PCA)

Evaluation des modèles d’apprentissage

• Partitionner les données en ensembles d’apprentissage, de test et de validation
• Exemples pour l’entraînement d’un modèle
• Exemples pour le test d’un modèle
• Mesures de performance : précision et rappel, matrices de confusion, cross-validation
• Généralisation et risque de surapprentissage
• L’intuition derrière les techniques d’apprentissage

Régression

• Principaux cas d’utilisation
• Régression linéaire simple
• Méthode des moindres carrés ordinaire
• Fonction de coût et algorithme du gradient
• Régularisation : régression ridge et lasso
• Les différents types de régression : multiple, polynomiale, SVR, arbre de décision, random forest, etc
• Les métriques de la régression

Classification

• Principaux cas d’utilisation
• Régression logistique
• Méthode des k plus proches voisins (k-NN)
• Machine à vecteurs de support (SVM)
• Kernel SVM
• Classification naïve bayésienne (Naive Bayes)
• Classification avec un arbre de décision et random forest
• Les métriques de la classification

Clustering (segmentation)

• Principes et principaux algorithmes
• Méthode des k-moyennes (k-means)
• Clustering hiérarchique
• Clustering par densité

Introduction au Deep Learning (apprentissage profond)

• Présentation générale et principes du Deep Learning afin de pousser plus loin la formation Machine Learning
• Les réseaux neuronaux artificiels
• La bibliothèque TensorFlow
• Cas d’utilisation, défis et perspectives

• Le délai d'accès moyent pour cette formation est de 2 Semaines
• Merci d’utiliser le formulaire de contact ou nous joindre par téléphone ou mail pour l’organisation de votre formation.

• Accueil des apprenants dans une salle dédiée à la formation.
• Documents supports de formation projetés.
• Exposés théoriques
• Etude de cas concrets
• Quiz en salle
• Mise à disposition en ligne de documents supports à la suite de la formation.

• Feuilles de présence.
• Questions orales ou écrites (QCM).
• Mises en situation.
• Formulaires d'évaluation de la formation.
• Certificat de réalisation de l’action de formation.

Pour suivre cette formation à distance vous aurez besoin

• D'un Mac ou d'un PC
• Une Connexion internet stable
• Un Navigateur Web récent
• De Teams ou de Zoom
• Du logiciel enseigné ou à utiliser installé
  
  

Dans nos locaux nous mettrons à votre disposition tout le nécessaire.

Dans vos locaux nous conviendrons du nécessaire à mettre en place pour le bon déroulé de cette formation.

Suivi et accompagnement pédagogique :

Notre équipe pédagogique sera à vos côtés tout au long de votre parcours pour assurer le suivi de l'exécution et l'évaluation de la formation.

Entretien préalable :

Avant le début de la formation, notre conseiller en formation organise un entretien avec vous afin de cerner précisément vos attentes et vos objectifs.

Horaires et rythme :

Les horaires et le rythme de la formation sont adaptables à vos disponibilités, ou peuvent être fixés en accord avec notre équipe pédagogique.

Exercices pratiques et mises en situation :

Si nécessaire, la formation inclut des exercices pratiques et/ou des mises en situation pour renforcer l'apprentissage.

Supports et attestation de formation :

À l'issue de la formation, vous aurez accès en ligne à des documents et supports pédagogiques. Un certificat de réalisation de la formation vous sera également remis.

Évaluation et satisfaction :

Nous vous inviterons à remplir un questionnaire de satisfaction à chaud, en fin de formation, et un autre à froid, trois mois après la formation. Pour certaines formations, vous recevrez également un questionnaire d'auto-évaluation en fin de formation et, le cas échéant, pourrez passer une certification (en conditions d'examen ou en télésurveillance post-formation).

Accès à la plateforme de certification :

Pour les formations certifiantes, un accès à la plateforme de certification sera mis à votre disposition.