Impression PDF

 Descriptif
 Horaires

Orientation

Avant de vous inscrire, il est fortement recommandé de passer un entretien avec le responsable pédagogique.

  • Ouvert aux inscriptions
  • Ouvert, plus que quelques places disponibles
  • Fermé aux inscriptions
Statut Ref CAF Intitulé Jours Dates Heures Durée CHF Bâtiment

p : périodes de 45 minutes.

Définition

Machine Learning avec Python: analyse des données et élaboration des prédictions.
-
Ces dernières années, les algorithmes d'apprentissage automatique (appelé aussi apprentissage statistique ou Machine Learning en anglais) ont permis de faire des progrès importants dans l'analyse des données et l'élaboration des prédictions (projections).
-
Le langage de programmation Python est un des langages les plus utilisés actuellement pour les applications de Machine Learning.
Ce cours a comme objectif de vous faire découvrir, avec le langage Py-thon, un de ses domaines d'application les plus prometteurs qui est le Machine Learning et de nombreux algorithmes utilisés.

Prérequis

Avoir une bonne connaissance d'un langage de programmation. La con-naissance de Python est un plus. Mais une bonne connaissance d'un autre langage comme Java, Visual Basic, Javascript, C/C++, SQL, PHP, etc vous suffira pour suivre et programmer en Python.

Avoir un niveau B2 en français et une bonne connaissance de l'informa-tique Mac/OS

Public

Toute personne intéressée par le domaine et les nombreuses applications de Machine Learning.

Objectifs

A la fin de ce cours, les participants seront capables de :

•  Comprendre le fonctionnement d'une application de Machine Learning
•  Décrire les différents algorithmes de Machine Learning
•  Savoir choisir l'algorithme approprié selon le domaine et les données dis-ponibles
•  Justifier le choix d'un algorithme parmi les nombreux disponibles
•  Utiliser les principales librairies Python spécialement adaptées pour le Ma-chine Learning
•  Préparer les données (nettoyer les données)
•  Mettre en route le processus de Machine Learning
•  Sauvegarder et interpréter les résultats

Contenu

•  Environnement de développement
•  Rappels des concepts et environnement de développement Python (fonctions, classes, modules, packages, gestion des fichiers, excep-tions, programmation orientée-objet, lambda)
•  Structures de données (tableaux, listes, ensembles et dictionnaires).
•  Intégration des données format JSON, XML, CSV.
•  Rappels des définitions des notions de base en statistique: col-lecte/traitement/interprétation des données, population, individu, éten-due, échantillon, variable qualitative/quantitative, moyenne, médiane, fréquence, variance, covariance, distribution, dispersion, probabilité
•  Principaux algorithmes de Machine Learning (supervised, unsupervised, semi-supervised, classification, regression, clustering)
•  Choisir et évaluer l'algorithme
•  Tâches principales de prédictions (délimiter le problème, choisir les données, nettoyer les données, analyser les données, Améliorer l'algo-rithme et les résultats, Présenter les résultats.
•  Aperçu des données disponibles dans le domaine public et accessibles gratuitement.

Méthode

La méthodologie est participative avec des exercices pratiques et repose sur une implication importante de la part des apprenants.

Matériel

Une présentation PowerPoint sera livrée aux participant(e)s.

Intervenants

Formateur/Professionnel de la branche qualifié et expérimenté

Evaluation et titre décerné

L'évaluation certificative prend la forme de contrôles continus.

Remarques

La formation a une durée de 120 périodes, en matinée ou après-midi, ou 16 semaines de 2 leçons par semaine, en soirée.

Contact

  Jours Dates Heures Durée CHF Lieu Contact
Programmation L M M J V S sur rendez-vous 0.- Jaouad Ibriz
jaouad.ibriz@ifage.ch
×
×
×
×
×

Nous utilisons des cookies pour améliorer votre navigation et analyser le trafic sur notre site.
En consultant ce dernier, vous acceptez l'utilisation des cookies en conformité avec nos Règles de protection des données personnelles. Ok, j'ai compris