Accueil > Formations > Data Science – Deep learning > DEEP LEARNING Data Classification et Machine Learning

Formation DEEP LEARNING Data Classification et Machine Learning

Domaine : Data Science – Deep learning

DURÉE
2 jour(s)

OBJECTIFS

Savoir définir les étapes de préparation des données. Comprendre et mettre en oeuvre l'apprentissage automatique, les techniques de classification de données, les apports des réseaux de neurones et du Deep Learning.

Pré-requis

Connaissances des principes du Big Data, et des architectures techniques mises en oeuvre.

Participants

Chef de projet, développeur, data scientist, architecte souhaitant comprendre comment organiser le traitement des données et structurer les processus de Machine Learning.

coût

Nous contacter pour une formation sur mesure ou en intra

programme

Télécharger le plan de cours

Consulter le plan de cours

LIEUx de formation

Notre centre de formation à Grenoble Notre centre de formation à Moirans Notre centre de formation à Sophia Antipolis

Sur votre site en formation intraEn classe distancielle

PROGRAMME DE FORMATION
DEEP LEARNING Data Classification et Machine Learning

Introduction

Zoom sur les données (Format, volumes, structures, Requêtes et attentes des utilisateurs)
Etapes de la préparation des données
Définitions, présentation du data munging
Le rôle du data scientist

Gouvernance des données

Qualité des données
Transformation de l'information en donnée (Qualification et enrichissement)
Sécurisation et étanchéité des lacs de données
Flux de données et organisation dans l'entreprise (De la donnée maître à la donnée de travail)
Mise en oeuvre pratique des différentes phases (Nettoyage, enrichissement, organisation des données)

Traitements statistiques de base

Introduction aux calculs statistiques (Paramétrisation des fonctions)
Applications aux fermes de calculs distribués
Problématiques induites (Approximations. Précision des estimations)

Data Mining

Besoin, apports et enjeux
Extraction et organisation des classes de données
Analyse factorielle

Machine Learning

Apprentissage automatique
Définition (Les attentes par rapport au Machine Learning)
Ingénierie des variables
Les méthodes (Apprentissage supervisé et non supervisé)
Classification des données
Algorithmes (Régression linéaire, k-moyennes, k-voisins, Classification naïve bayésienne, Arbres de décision, forêts aléatoires)
Création de jeux d'essai, entraînement et construction de modèles
Prévisions à partir de données réelles (Mesure de l'efficacité des algorithmes. Courbes ROC)
Parallélisation des algorithmes (Choix automatique)

Introduction aux réseaux de neurones
Réseaux de neurones à convolution (Modèles de CNN)
Les types de couches (Convolution, pooling et pertes)
L'approche du Deep Learning (Deeplearning4j sur Spark)

Les risques et écueils

Importance de la préparation des données
L'écueil du "surapprentissage"

Visualisation des données

L'intérêt de la visualisation
Outils disponibles
Exemples de visualisation avec R et Python

dates des formations a grenoble

Formation sur mesure, nous contacter
Intra

dates des formations a SOPHIA ANTIPOLIS

Formation sur mesure, nous contacter
Intra

Cursus formation

Introduction au Machine Learning avec Python
DEEP LEARNING Avec Python et TensorFlow
DEEP LEARNING IA et Deep Learning, principes de base
DEEP LEARNING TensorFlow2 et Keras
PYTHON Data Scientist avec Python

Formations de la même thématique

DEEP LEARNING IA et Deep Learning, principes de base
DEEP LEARNING Avec Python et TensorFlow
DEEP LEARNING TensorFlow2 et Keras
Réseaux de neurones
TensorFlow avancé

Formation DEEP LEARNING Data Classification et Machine Learning

Participants

coût

programme

PROGRAMME DE FORMATION DEEP LEARNING Data Classification et Machine Learning

PROGRAMME DE FORMATION
DEEP LEARNING Data Classification et Machine Learning