Formations Big Data & Data Science

Durée 3 jours • Prix (HT) 1890€

La révolution du Big Data a généré une augmentation fulgurante des volumes de données, des espaces de stockage et de la puissance de calcul permettant de les traiter. Profitant pleinement de ce contexte si favorable, le Machine Learning a considérablement augmenté l'efficacité d'outils que nous utilisons chaque jour, comme les moteurs de recherche et les systèmes de recommandation. Ces champs d'application, qui ne cessent de s'étendre, vont aujourd'hui de la médecine à l'industrie et au secteur financier.

Cette formation propose une présentation étendue du Machine Learning, tel qu'on l'utilise aujourd'hui dans le monde professionnel. Elle a été conçue afin d'être accessible à un public issu d'horizons variés, les pré-requis étant peu nombreux.

Les méthodologies du Machine Learning et ses principaux algorithmes seront présentés, dans leurs concepts comme dans leurs cas typiques d'utilisation. A chaque fois, des mises en application basées sur des domaines diversifiés seront proposées. Elles prendront la forme de labs implémentés en langage Python et utilisant les librairies les plus courantes. Construits de manière didactique, ces labs permettront une approche tangible de la réalité du Machine Learning: la puissance prédictive des modèles, comme leurs limitations, seront étudiées notamment à travers l'analyse quantitative de résultats obtenus. Le sujet moderne et très attracteur du Deep Learning, basé sur les réseaux de neurones, fera l'objet d'une première introduction.

Objectifs

  • Comprendre la Data Science
  • Comprendre le Machine Learning
  • Savoir modéliser un problème de Machine Learning
  • Types de Machine Learning
  • Problématiques du Machine Learning
  • Algorithmes les plus utilisés à travers des exemples d’application
  • Introduction au Deep Learning et aux réseaux de neurones

Pédagogie

50% théorie, 50% pratique

Prérequis

  • Connaissances de base en algèbre (matrices) et statistiques
  • Connaissances en programmation, idéalement en Python

Public

Développeurs, futurs Data Scientists, Architectes, Fonctionnels, Chefs de projets

Pédagogie

50% théorie, 50% pratique