Scientific Python and Machine Learning

Introduction sur les principaux éléments constitutifs de ce langage, nécessaire pour un expert « Data cience » ; étude des bibliothèques les plus importantes telles que NumPy, Pandas et Scikit-learn, ainsi que les dernières mises à jour autour de



Référence de la formation

KDS003

Niveau

Intermédiaire

Nombre de jours

16 heures (4 heures/jour)

Prix

1.390€ HT

Lieu de la formation

V: v-learning, classe virtuelle



Pre-requis

• Compétences avancées en programmation
• Suivre le cours introduction à « Machine Learning »
• Un niveau d'anglais business moyen est requis car la formation sera dispensée en anglais.

Public

Expert « Data Science », Manager de haut niveau, Manager avantvente, Manager informatique, QA et support technique, ou toute
personne souhaitant avoir des compétences avancées en programmation python (scientifique) et ML (Machine learning)

Objectifs de la formation

Les experts data science utilisent des algorithmes et « framework » spécifiques qui permettent aux ordinateurs de résoudre des
problèmes qui sont classés à un niveau de complexité plus élevé que les algorithmes traditionnels.
Probablement les « framework » les plus réussis, gagnant une forte acceptation à la fois dans l’académie et par les grandes entreprises est la langue open source Python.
Sorti pour la première fois en 1989, Python est un « framework » de développement d’applications rapide, orienté objet, portable,
scientifique, d’entreprise, back-end et front-end. C’est l’outil idéal pour l’expert scientifique moderne en « Data Science », accessible et rapide à déployer.
Dans ce cours, nous allons introduire :
• Les principaux éléments constitutifs de ce langage
• Outil nécessaire pour un expert/ingénieur en « Data Science »
• Etudes des librairies/bibliothèques les plus importantes telles que NumPy, Pandas et Scikit-learn
• Les dernières mises à jour autour de la présentation des données et du parallélisme

Nous examinerons divers cas d’utilisation et mettons en oeuvre des mini-laboratoires Python.
Comprendre les différents outils disponibles pour le scientifique développeur en Python, les meilleures pratiques et les modèles de
conception.

Contenu du cours

Table 1: KDS003 - Contenu du cours (jour#1)
Chapter Description
Introduction to Python • Development environment
• Basic constructs, functions, scopes, classes and objects, main collections
• NumPy and Pandas
• Developing machine learning algorithms in Python
• Validation in Python
• Time series analysis using Python.
Scikit-learn library and tools • Preprocessing
• Correlation, feature selection and reduction
• Model selection
• Linear models
• Basic trees

Table 2: KDS003 - Contenu du cours (jour#2)
Chapter Description
Algorithms and Estimators • Clustering and classification
• Trees and SVM
• Validation strategies
• Plotting results
Advanced Topics • ANN and Deep learning
• Parallel distribution
• Cloud services
• Lab presentation – recommendation system
Summary including Q&A • Summary including Q&A

Dates


07 Sept 2020 au 10 Sept 2020


07 Sept 2020 au 10 Sept 2020


26 Oct 2020 au 29 Oct 2020


09 Nov 2020 au 11 Nov 2020


14 Déc 2020 au 17 Déc 2020


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


Des questions ?

+33 (0) 950 20 91 64


Inscription ou Demande de devis