How long does the training course last?

 2,00 day(s)

In which language(s) is the training course taught?

EN FR

When will the next session take place?

Who is organising this training course?

OXiane specializes in designing and delivering IT training courses and educational materials on the latest technologies. Our various programs cover all training needs, whether in IT in the broad sense, or in “User” and “Soft Skills” in Management, Communication & Leadership.

Who is the training course aimed at?

Architectes, Chefs de projets, Data Scientist, Developpeurs

What are the aims or the skills being targeted?

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

What does the training course cover?

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
  • MDM
  • Mise en œuvre 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
  • Les valeurs d'observation et les variables cibles
  • 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

IA

  • 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

What will you receive at the end of the training course?

Une attestation de participation sera transmise aux participants

These courses might interest you