Machine Learning Python
Domaine : Tech. Niveau : Avancé. Durée : 120 heures. 16 modules répartis en 4 chapitres. Tarif : 2190 euros. Formation à distance avec modules, exercices corrigés, questionnaires et manuel. Attestation de fin de formation délivrée à l’issue du parcours.
Objectifs pédagogiques
Maîtriser les algorithmes de Machine Learning supervisés et non supervisés en Python. Concevoir et optimiser des pipelines de données complets avec Scikit-learn, TensorFlow et Keras. Déployer des modèles de Machine Learning en production et évaluer leurs performances avec des métriques avancées.
Prérequis
Bonne maîtrise de Python (fonctions, classes, bibliothèques), connaissances solides en statistiques et algèbre linéaire, expérience avec NumPy et Pandas, notions de base en analyse de données.
Public visé
Data scientists junior, développeurs Python souhaitant se spécialiser en IA, ingénieurs data cherchant à approfondir leurs compétences en modélisation prédictive et apprentissage automatique.
Programme détaillé
Chapitre 1 — Machine Learning Python - Partie 1
- 1.1 Rappels et outillage avancé Python pour la donnée
- 1.2 Manipulation et exploration avancée des données
- 1.3 Prétraitement et ingénierie des variables
- 1.4 Apprentissage supervisé : modèles linéaires et régularisation
Chapitre 2 — Machine Learning Python - Partie 2
- 2.1 Apprentissage supervisé : modèles à base d'arbres et instances
- 2.2 Méthodes d'ensemble : Bagging, Boosting et Stacking
- 2.3 Évaluation, validation et sélection de modèles
- 2.4 Optimisation des hyperparamètres
Chapitre 3 — Machine Learning Python - Partie 3
- 3.1 Apprentissage non supervisé
- 3.2 Fondements du Deep Learning et réseaux de neurones
- 3.3 Traitement du langage naturel appliqué
- 3.4 Interprétabilité et explicabilité des modèles
Chapitre 4 — Machine Learning Python - Partie 4
- 4.1 Gestion des expériences et reproductibilité
- 4.2 Déploiement de modèles en production
- 4.3 Détection de dérive et maintenance des modèles
- 4.4 Projet intégratif encadré