Formation : Machine Learning avec scikit-learn

Durée de la formation

2 jours

Code cours

DS011

Prix de la formation

1 700 € HT

Sessions programmées

11 au 12 mai 14 au 15 septembre 14 au 15 décembre

Public :

Chefs de projet, data-scientists, souhaitant comprendre le fonctionnement de scikit-learn

Objectifs :

Mettre en oeuvre scikit-learn pour de l'apprentissage machine et l'analyse de données

Prérequis :

Connaissance de python et d'une bibliothèque de calcul telle que numpy ou pandas

Pour tester vos connaissances actuelles sur le sujet : Validation des pré-requis
Pour nous préciser vos attentes : Validation des attentes

Programme détaillé de la formation

Présentation

Historique
Fonctionnalités
Lien avec Numpy et Scipy

Manipulation de données

Chargement de données
Pré-traitement de données: standardisation, transformations non linéaires, discrétisation
Génération de données

Analyse des données et classification

Modèles: linéaires, quadratiques, descente de gradient
Algorithmes, choix d'un estimateur.
Classification : k-voisins, régression logistique, classification naïve bayésienne, arbres de décision, forêts aléatoires, SVC
Régression : régression linéaire, lasso, SGDr, SVR
Détection de groupes : k-moyennes, Spectral Clustering/GMM
Analyse globale : Randomized PCA, kernel approximation

Atelier : classification automatique d'un jeu de données à partir d'une régression logistique

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.

Atelier : Mise en évidence des erreurs d'apprentissage en fonction des hyper-paramètres

Recherche de clusters: modélisations, algorithmes, et méthodes d'évaluation
Réseaux de neurones

Modèles d'apprentissage

Chargement et enregistrement
Génération de modèles
Estimation de la performance d'un modèle
Mesures de performance
Modification des hyper-paramètres
Application pratique avec les courbes d'évaluations

Ces formations pourraient aussi vous intéresser

Machine learning, l'état de l'art

Code : DS010|Durée : 2 jours

Spark ML

Code : DS033|Durée : 2 jours

Python avancé pour data-scientists

Code : LY010|Durée : 4 jours

Phirio

+33 1 55 33 52 10
info@phirio.fr

Calendrier
Code cours : DS011

Contenu de la formation
Machine Learning avec scikit-learn:

Présentation
Manipulation de données
Analyse des données et classification
Modèles d'apprentissage

Accès à la liste des cours

Vous pouvez bien entendu composer votre programme personnel à partir de nos descriptifs de cours

Note de satisfaction des participants à la formation Machine Learning avec scikit-learn

4.8/5

Télécharger le programme

Version du document : T021
Date de mise à jour du document : 2026/01/21

Formation : Machine Learning avec scikit-learn

Durée de la formation

Code cours

Prix de la formation

Sessions programmées

Public :

Objectifs :

Prérequis :

Programme détaillé de la formation

Présentation

Manipulation de données

Analyse des données et classification

Modèles d'apprentissage

Liens complémentaires

Déroulé pédagogique

Modalités et délais d'accès

Méthodes mobilisées et modalités d'évaluation

Ces formations pourraient aussi vous intéresser

Machine learning, l'état de l'art

Spark ML

Python avancé pour data-scientists

Phirio

Note de satisfaction des participants à la formation Machine Learning avec scikit-learn

4.8/5

Phirio

Formations