.png)
En suivant notre formation Python - Machine Learning, vous connaîtrez les bases théoriques du Machine Learning, et vous apprendrez à utiliser Python pour mener à bien des projets d'apprentissage automatique.
Notre formation Python - Machine Learning, ainsi que toutes nos formations, chez MYPE, sont éligibles au solde CPF ! Rendez-vous sur notre page dédiée pour plus d'informations.
Le Machine Learning
Avec le développement des processeurs GPU au début des années 2000, le grand public gagne l'accès aux cartes graphiques capables d'exécuter des algorithmes d'intelligence artificielle. On voie alors un essor dans ce champ de l'informatique. L'apprentissage automatique, ou machine learning, est le domaine de l'intelligence artificielle qui se concentre sur l'amélioration des prédictions réalisées par un ordinateur, à partir de sa lecture de données.
L'apprentissage automatique s'appuie sur des mathématiques (statistiques) complexes, mais reste relativement facilement exécutable à l'aide de la bibliothèque Scikit-learn de Python, comme vous le verrez au cours de notre formation Python - Machine Learning. Cependant, à cause de cette complexité mathématique et de la nécessité de passer plus vite sur les aspects les plus simples du code et des mathématiques, nous conseillons de s'inscrire à notre formation Python - Machine Learning après s'être assuré d'avoir un niveau solide en Python (c'est-à-dire d'être capable de comprendre rapidement un code de visualisation matplotlib, ou une boucle 'for' imbriquée dans une autre, par exemple), et d'avoir des connaissances mathématiques assez précises (il est utile de comprendre globalement le principe d'une fonction vectorielle par exemple, ainsi que des matrices, et de connaître les formules statistiques les plus simples).
Notre formation Python - Machine Learning : en distanciel ou en présentiel
Grâce à notre formation Python - Machine Learning, vous comprendrez globalement la théorie derrière les algorithmes classiques de classification et de régression, vous maîtriserez les fonctions essentielles de la bibliothèque Python Scikit-learn, vous saurez comment choisir, construire, utiliser et évaluer un modèle de machine learning, et vous saurez comment ajuster un modèle de machine learning pour maximiser ses performances.
Le programme
Notre introduction au Machine Learning en 3 jours
• Jour 1
Lors du premier jour de notre formation Python - Machine Learning, vous apprendrez d'abord à reconnaître des cas d'usage du machine learning. Ensuite, vous verrez quels cas relèvent de la régression, c'est-à-dire de la prédiction d'une variable numérique cible, et quels cas relèvent de la classification, c'est-à-dire de la clusterisation d'observations. Vous verrez aussi les difficultés qu'on peut rencontrer en machine learning, et les méthodes permettant de les surmonter. Vous apprendrez ce que c'est qu'un hyperparamètre, et comment utiliser la validation croisée pour les fixer. Vous mettrez en pratique ces informations théoriques, en menant à bien de A à Z un projet simple de machine learning.
• Jour 2
Puis, nous nous intéresserons au cours de cette formation, au cas de la régression. Vous verrez les principes théoriques des régressions linéaire et polynomiale, et comment les exécuter sur Python. Vous verrez aussi comment faire une validation croisée sur le degré du modèle polynomial, pour maximiser les performances d'un modèle.
• Jour 3
Enfin, lors du troisième jour de notre formation, vous verrez les principes théoriques d'un grand nombre d'algorithmes de classification, et les cas de figure dans lesquels ils peuvent être utilisés. Vous verrez un cas de classification simple, de données dans un espace de deux dimensions, et un cas de classification complexe, sur des messages textuels.
Notre formation Python - Machine Learning en bref
Formation de spécialisation
Eligible CPF
1950€ TTC
3 jours
Les atouts de notre formation Python - Machine Learning
• Un double aspect théorique et pratique
En suivant notre formation Python - Machine Learning, vous comprendrez l'approche mathématique utilisée par les algorithmes, vous verrez leurs limites théoriques, et vous vous familiariserez avec beaucoup de formalisme, utile pour décrire les problèmes de machine learning. En parallèle, vous utiliserez la bibliothèque Python Scikit-learn pour créer vos propres modèles de machine learning, les entraîner sur des données qui vous seront fournies, et les utiliser pour faire de la prédiction. Vous aurez ainsi les fondations théoriques du machine learning, ainsi que les connaissances techniques pour coder en Python un modèle de machine learning.
• Un domaine incontournable
Le machine learning est la branche la plus accessible de l'intelligence artificielle. Une bonne compréhension du machine learning est souvent nécessaire à l'apprentissage du deep learning, qui permet la résolution de tâches plus complexes, telles que la reconnaissance d'images. Les applications du machine learning, mais aussi d'autres branches de l'intelligence artificielle, sont innombrables. Elles permettent aux entreprises de gagner en rapidité et en rigueur sur des process de plus en plus divers.
• De nombreuses applications dans l'industrie
Le machine learning peut permettre de classifier automatiquement des emails ou des images, pour identifier des images biomédicales anormales par exemple. Il peut aussi permettre d'estimer la probabilité d'un évènement, comme une panne, et être ainsi utile pour préciser les notices d'utilisation de produits. Le machine learning peut aussi servir à imaginer le comportement d'un client ou d'un employé par exemple, en réalisant une prédiction sur un indicateur clef.
Quelques compétences que vous développerez avec nous
Au cours de notre formation Python - Machine Learning, vous mènerez à bien plusieurs projets de machine learning. Vous ferez de la régression et de la classification, dans des cas d'usage de plus en plus complexes. Vous apprendrez à comprendre les fondements théoriques du machine learning, et à utiliser Python pour mettre en pratique vos connaissances.
• Extraire des données d'un fichier CSV ou Excel volumineux
Vous apprendrez bien sûr à extraire des données pour les stocker dans des dataframes Pandas (bases de données). Ces données se trouveront dans des sources variées : fichiers CSV, Excel, ou sources en ligne (plate-forme Kaggle ou bases de données de Scikit-learn).
• Manipuler les dataframes Pandas
Après avoir créé votre dataframe Pandas, vous apprendrez à le manipuler : réaliser des sélections, séparer les bases d'entraînement et de test, numériser les données si besoin, les normaliser...
• Utiliser des outils statistiques sur une base de données
Vous verrez quels indicateurs statistiques nous seront utiles : les formules théoriques permettant de les définir, et les lignes de code qui vous les afficheront. Vous verrez comment afficher des données statistiques numériques, ainsi que des visuels réprésentant la répartition des données.
• Construire un projet de machine learning
Tout au long de notre formation, vous serez amené plusieurs fois à suivre les grandes étapes de construction d'un projet de machine learning : importation des données, étude des données, création du modèle de machine learning, apprentissage du modèle sur les données, prédiction par le modèle et analyse des performances du modèle. Vous deviendrez ainsi autonome dans votre utilisation de la bibliothèque Python Scikit-learn et vous serez en mesure d'utiliser l'algorithme de machine learning de votre choix, sur les données que vous souhaitez. Dès la fin de notre formation, vous serez en mesure d'appliquer le machine learning rapidement et simplement, aux cas d'usage qui vous sont propres.
• Comprendre les métriques de performance
Vous apprendrez de plus, au cours de notre formation, à évaluer les performances d'un modèle de machine learning. Pour ce faire, vous prendrez connaissance des formules mathématiques d'un certain nombre de métriques de performance, de leur utilité réelle, et vous saurez comment les calculer avec Python, ainsi que la manière d'analyser leurs valeurs. Vous serez ainsi en mesure d'ajuster un modèle de machine learning pour maximiser ses performances, à l'aide de la validation croisée si besoin.
Questions fréquentes sur notre formation Python - Machine Learning
Y a-t-il des prérequis à la formation ?
Oui, cette formation porte sur un sujet complexe, avec un fondement mathématique. On conseille donc cette formation aux personnes ayant un bon niveau en Python, pour ne pas passer trop de temps sur l'explication de code simple (visualisations avec matplotlib.pyplot, boucles 'for' imbriquées, déclaration de fonctions simples...). De plus, il est utile d'avoir de bonnes bases en mathématiques avant de suivre cette formation : connaître le principe mathématique des régressions, et les formules et significations des indicateurs statistiques le plus courants, peut permettre d'aller plus vite sur les aspects les plus simples de cette formation, pour passer plus de temps sur le machine learning en tant que tel.
Faut-il installer des logiciels spécifiques au machine learning avant la formation ?
Non, pour mener à bien un projet de machine learning, seule une installation de Python est néccessaire. En effet, les bibliothèques Python Scikit-learn, Pandas et Matplotlib.pyplot contiennent tous les outils qui nous seront nécessaires. Ces bibliothèques s'installent et s'importent très facilement dans un environnement Python, et notre formateur vous guidera dans ces étapes d'import.
Le machine learning permet-il la génération de texte ?
Non, la génération de texte se fait à l'aide de réseaux de neurones, c'est-à-dire de deep learning. Le deep learning est une branche avancée de l'intelligence artificielle. Le machine learning, lui, est un préalable au deep learning, et une bonne introduction à l'intelligence artificielle, mais se concentre sur des problèmes plus simples, de prédiction de variable numérique, ou de classification d'objets (dont des textes).
