Python : Introduction à l’apprentissage Automatique
Acquérir l'expertise pour choisir les bons algorithmes à utiliser et être capable d'analyser les résultats des algorithmes choisis.
Prochaine session
Aucune date ne convient?
Notifiez-moi si une session est ajoutée.
Durée: 3 jours
Prix régulier: $2,100
Prix préférentiel: $1,785
Aucune date ne convient?
Notifiez-moi si une session est ajoutée.
Plan de cours
Référence : @Python apprentissage automatique
Durée : 3 jours
Préalables
Savoir programmer en Python
Objectifs
Comprendre l’apprentissage automatique et ses sous-domaines.
Se familiariser avec quelques algorithmes usuels en apprentissage automatique.
Choisir le bon algorithme à utiliser pour votre cas.
Acquérir l’expertise pour analyser les résultats des algorithmes d’apprentissage automatique.
Contenu
Introduction
Apprentissage supervisé, non supervisé et par renforcement
Classification, régression, prédiction de structure
Évaluation de modèles: métriques
Sélection des hyper-paramètres et des modèles
Initiation à Scikit Learn
Types de données et guide de sélection de méthodes
Classification: Introduction avec OCR
Algorithme des K plus proches voisins
Arbres de décision et visualisation
Méthode d’ensemble
Support Vector Machines (SVM)
Visualisation des résultats
Classification: Concepts avancés avec analyse de sentiment
Pré-traitement des données pour l’apprentissage
Réduction de dimensionnalité
Entraînement par batch
Interprétabilité (importance des poids, LIME)
Régression
Régression linéaire
Régression non-linéaire avec les méthodes à noyau
Détection et gestion de données aberrantes
Séries temporelles: Défis, décomposition et méthodes de prédiction
Séries temporelles: régression non-stationnaire et modèles auto régressifs
Système de recommandation: Étude de cas
Filtrage collaboratif par utilisateur
Filtrage collaboratif par article
Concepts et algorithmes avancés
Apprentissage non supervisé
Clustering : K-moyennes, méthodes hiérarchiques, méthodes de densité
Réduction de dimensionnalité: PCA, t-SNE,
Modèles génératifs: introduction aux auto-encodeurs et auto-encodeurs variationnels
Guide pratique de débogage
Le test de sur-apprentissage: taille des modèles et des données
Test du pipeline de données
Exploration de métriques alternatives
Savoir s’entourer des meilleurs
Frédéric Paradis
Formateur certifié et architecte en solutions infonuagiques
Formateur certifié Microsoft, Frédéric se décrit comme un magicien de l’infonuagique, cet espace mythique entre technologie et réalité.
Marc Maisonneuve
Directeur des programmes de formation
Marc Maisonneuve agit à titre de Directeur des programmes de formation, formateur de l’efficacité professionnelle et leader de pratique des outils utilisateurs chez AFI depuis plusieurs années. M. Maisonneuve se distingue par sa capacité d’analyse, son calme légendaire et sa volonté indéniable de pousser l’humain à développer ses compétences. Il propose tout naturellement des solutions technologiques à des besoins concrets en milieu de travail.
Vicky Moreau
Formatrice
Vicky Moreau est une travailleuse autonome et professionnelle passionnée pour le domaine de la bureautique. Elle est détentrice d’un diplôme d’études collégiales en bureautique, mais c'est en tant qu’autodidacte qu’elle a acquis sa solide expérience avec les applications de la Suite Office. Elle a complété avec succès une certification MOS (Microsoft Office Specialist) Excel.
Francis Ferland-Stevenson
Formateur
Francis a débuté son rôle de formateur il y a plus de 5 ans en testant des outils bureautiques conçu spécifiquement pour combler les besoins de ses collègues. Son approche calme et son regard empathique lui permettent de trouver un langage clair et accessible pour tous les niveaux des groupes auxquels il enseigne. En tant que formateur, il est donc à l’écoute des besoins de ses élèves pour s'assurer que ceux-ci rencontrent leurs objectifs et relèvent les nouveaux défis.