Outils pratiques et programmation “Data Science and Machine Learning” (Data Science and Machine Learning Practical tools and programing)

Comprendre l’environnement de base des experts data science, avec un accent particulier sur les « framework » commun permettant d’appréhender les bonnes approches et bonnes pratiques



Référence de la formation

KDS001

Niveau

Débutant

Nombre de jours

2 jours

Prix

1.390€ HT

Lieu de la formation

V: v-learning, classe virtuelle



Pre-requis

• Compétences de programmation de base en C, Java ou toute autre langage de programmation
• Un niveau d'anglais business moyen est requise car la formation sera dispensée en anglais

Public

Cadre de haut niveau, ingénieur avant-vente, responsable informatique, QA (Assurance Qualité) et Support technique. Ou toute
personne désirant comprendre les différentes problématiques liées au « machine learning »

Objectifs de la formation

Les experts « data science » utilisent un ensemble d’algorithmes qui permet aux ordinateurs de résoudre des problèmes qui sont classés à un niveau de complexité plus élevé que les algorithmes traditionnels.
Des exemples de tels cas sont :
• Pour prédire un comportement des consommateurs par ses choix passés
• Reconnaître une personne au sein d’une image
• "Comprendre" le texte écrit
• Prévoir une défaillance du système ou une cyberattaque les algorithmes d’apprentissage automatique permettent à
l’ordinateur de s’entraîner et d’apprendre de ses propres erreurs et ainsi augmenter ses performances sur de nouvelles données.
Ce cours donne la base pour une meilleure compréhension de l’environnement des experts « data science » et tous les problématiques liées au « Machine Learning »
Nous examinerons divers cas d’utilisation en mettant en oeuvre des modèles et des outils appropriés.

Contenu du cours

Table 1: KDS001 - Contenu du cours (jour#1)
Chapter Description
Introduction to data science • Examples and use cases
• Statistics 101
• Machine learning introduction
Data preparation using various tools • Exploratory data analysis
• Cleaning the data
• Filtering and scaling
• Outliers and null values
• PCA
Running machine learning algorithms • Regression and decision trees
• Statistical reasoning
• Clustering
• Weka Introduction
Mini project Part A:
Recommendation System
• Data Preparation
• Feature selection

Table 2: KDS001 - Contenu du cours (jour#2)
Chapter Description
Machine learning in cloud environment, Big Data • Classification
• Association Rules
• Decision Trees
Validation of Results • Standard metrics
• ROC curve analysis
Mini Project Part B:
Recommendation System
• Estimation of different models
• Demo
Summary
including Q&A
• Summary including Q&A

Dates


07 Sept 2020 au 08 Sept 2020


NOTE :
ATTENTION CETTE FORMATION EST SUR MESURE
CE COURS EST REALISABLE TOUTE L'ANNEE AVEC UN MINIMUM DE 5 PARTICIPANTS
tête conseil d'administration


Des questions ?

+33 (0) 950 20 91 64


Inscription ou Demande de devis