Menu
Cette formation utilisant la plateforme Azure ML Studio vous permettra de comprendre le fonctionnement, le paramétrage et son déploiement dans une application web.
1050 € HT
Dirigeants, managers, responsables, développeurs, chefs de projet informatique, data analystes, et toute personne souhaitant découvrir et s'initier au domaine du machine Learning.
La formation étant principalement destinée à l'utilisation d'une plateforme « codeless », la connaissance d'aucun langage de programmation n'est nécessaire.
Il est fortement conseillé d'avoir suivi la session « Découverte de l'Intelligence Artificielle ».
Jour 1
Matin
Statistiques et prétraitement de données avant l’apprentissage machine
• Explorer un jeu de données
• Nettoyer les données
• Structurer le jeu de données
Après-midi
Concepts de Machine Learning
• Comment une machine apprend elle :
o Apprentissage Supervisé
o Non supervisé
o Par renforcement
o Régressions
o Classification
o Clustering
Jour 2
Matin
Découverte de l’environnement Azure ML Studio
• Présentation de l’environnement de travail
• Concepts : projet et expérience
• Chargement des données
• Prétraitement
• Choix d’un modèle
Après-midi
Mise en place et test d’un modèle de Machine Learning
• Création d’un workflow
• Entrainement et test
• Évaluation de modèles
• Déploiement
Jour 3
Matin
Projets de Machine Learning
• Mise en œuvre de projets de Machine Learning (par groupes)
o Prédiction des prix des maisons
o Classification de fleurs par espèce
o Analyse du naufrage du Titanic
o Etc.
Après-midi
Processus et flux en sciences des données
• Présentation des projets de Machine Learning
o Compte rendu
o Graphiques
o Communication orale et écrite
o Vulgarisation du vocabulaire
o Éléments de méthodologie relative aux projets de sciences des données
Jour 1
Matin
Statistiques et prétraitement de données avant l’apprentissage machine
• Explorer un jeu de données
• Nettoyer les données
• Structurer le jeu de données
Après-midi
Concepts de Machine Learning
• Comment une machine apprend elle :
o Apprentissage Supervisé
o Non supervisé
o Par renforcement
o Régressions
o Classification
o Clustering
Jour 2
Matin
Découverte de l’environnement Azure ML Studio
• Présentation de l’environnement de travail
• Concepts : projet et expérience
• Chargement des données
• Prétraitement
• Choix d’un modèle
Après-midi
Mise en place et test d’un modèle de Machine Learning
• Création d’un workflow
• Entrainement et test
• Évaluation de modèles
• Déploiement
Jour 3
Matin
Projets de Machine Learning
• Mise en œuvre de projets de Machine Learning (par groupes)
o Prédiction des prix des maisons
o Classification de fleurs par espèce
o Analyse du naufrage du Titanic
o Etc.
Après-midi
Processus et flux en sciences des données
• Présentation des projets de Machine Learning
o Compte rendu
o Graphiques
o Communication orale et écrite
o Vulgarisation du vocabulaire
o Éléments de méthodologie relative aux projets de sciences des données
Jour 1
Matin
Statistiques et prétraitement de données avant l’apprentissage machine
• Explorer un jeu de données
• Nettoyer les données
• Structurer le jeu de données
Après-midi
Concepts de Machine Learning
• Comment une machine apprend elle :
o Apprentissage Supervisé
o Non supervisé
o Par renforcement
o Régressions
o Classification
o Clustering
Jour 2
Matin
Découverte de l’environnement Azure ML Studio
• Présentation de l’environnement de travail
• Concepts : projet et expérience
• Chargement des données
• Prétraitement
• Choix d’un modèle
Après-midi
Mise en place et test d’un modèle de Machine Learning
• Création d’un workflow
• Entrainement et test
• Évaluation de modèles
• Déploiement
Jour 3
Matin
Projets de Machine Learning
• Mise en œuvre de projets de Machine Learning (par groupes)
o Prédiction des prix des maisons
o Classification de fleurs par espèce
o Analyse du naufrage du Titanic
o Etc.
Après-midi
Processus et flux en sciences des données
• Présentation des projets de Machine Learning
o Compte rendu
o Graphiques
o Communication orale et écrite
o Vulgarisation du vocabulaire
o Éléments de méthodologie relative aux projets de sciences des données
Abonnez-vous à la newsletter et restez informé des dernières actualités.
