Formation machine learning et deep learning – les fondamentaux
Machine learning et deep learning : fondamentaux, algorithmes clés, évaluation et bonnes pratiques sur cas concrets.
Dates des prochaines sessions
Sessions en présentiel à Paris ou à distance. Inscriptions ouvertes jusqu'à la veille du démarrage.
La formation machine learning et deep learning vous donne en 2 jours une vision complète des fondamentaux de l’apprentissage automatique. Vous comprenez les principes du machine learning, du deep learning et de l’intelligence artificielle, et leurs différences. Vous découvrez les principales méthodes du machine learning (régression, classification, clustering, ensembles) et du deep learning (réseaux denses, CNN, RNN, transformeurs). Vous comprenez les limites des algorithmes : biais, surapprentissage, exigences en données, interprétabilité. La formation vous apprend surtout à traduire un problème métier en algorithme pour le résoudre concrètement. Idéale pour data analysts et profils techniques souhaitant prendre une vraie hauteur sur le machine learning avant d’attaquer la pratique.
Objectifs pédagogiques
- Comprendre les principes du machine learning, du deep learning et de l'intelligence artificielle
- Connaître les méthodes du machine learning et du deep learning
- Comprendre les limites des algorithmes
- Traduire un problème métier en algorithme pour le résoudre
2 jours, 14 heures de pratique
Chaque journée alterne apports théoriques courts et ateliers pratiques. Programme ajustable en intra-entreprise.
1 Fondamentaux du machine learning
• Principes du machine learning, du deep learning et de l’IA
• Apprentissage supervisé et non supervisé
• Traduire un problème métier en problème d’apprentissage
• Préparation des données et feature engineering
• Évaluation des modèles et gestion du sur-apprentissage
• Principaux algorithmes : régression, classification, clustering
2 Méthodes avancées et deep learning
• Méthodes ensemblistes : forêts aléatoires, boosting
• Introduction au deep learning : réseaux de neurones, CNN, RNN
• Connaître les méthodes adaptées à chaque type de problème
• Comprendre les limites des algorithmes
• Bonnes pratiques de mise en œuvre
• Atelier : résolution d’un problème métier par le machine learning
Profils et prérequis
Profils concernés
- Data analyst souhaitant aborder le machine learning
- Data scientist en formation initiale
- Profil technique souhaitant comprendre les principes du ML et du DL
Prérequis
- Bases de la statistique descriptive et de l'algèbre
- Familiarité avec un outil de traitement de données (Python, R, SAS ou équivalent)
Les logiciels et technologies
Les outils que vous manipulerez tout au long de la formation.
Outils d'évaluation des compétences
- Quiz et QCM à la fin de chaque module pour valider l’acquisition des connaissances théoriques.
- Mini-projets guidés Auto-évaluation sur la compréhension et la mise en application des concepts.
- Feedback individuel : chaque participant se voit proposer un bilan de ses points forts et axes d’amélioration.
Une formation finançable
Cette formation est éligible aux principaux dispositifs de financement de la formation professionnelle. Notre équipe vous accompagne dans le montage du dossier.
OPCO — Prise en charge par votre opérateur de compétences au titre du plan de développement des compétences de votre entreprise.
Plan de développement — Inscription dans le plan de formation de votre entreprise, en direct avec votre service RH ou formation.
Financement personnel — Tarifs adaptés pour les indépendants et auto-entrepreneurs, paiement en plusieurs fois possible.
FAQ
Quelle est la durée de la formation et sous quels formats est-elle proposée ?
La formation dure 2 jours (14 heures) et se déroule en présentiel ou à distance, en groupe limité à 8 participants pour préserver l'interactivité et la pratique.
Quels sont les prérequis pour suivre cette formation ?
Pour suivre cette formation dans de bonnes conditions, il est recommandé d'avoir : Bases de la statistique descriptive et de l'algèbre; Familiarité avec un outil de traitement de données (Python, R, SAS ou équivalent).
Cette formation inclut-elle de la pratique ou est-elle théorique ?
Elle combine les deux : compréhension des principes et des limites des algorithmes, puis ateliers pratiques en Python (scikit-learn, Keras) pour résoudre un problème métier.
Quelle est la différence avec la formation scikit-learn ?
Cette formation donne une vision large du machine learning et du deep learning (concepts, méthodes, limites), tandis que la formation scikit-learn est centrée sur la pratique outillée d'une bibliothèque.
Prêt à monter en compétences ?
Inscrivez-vous à l'une de nos sessions programmées, ou optez pour une formation intra sur mesure adaptée à votre équipe.
Une question ? Appelez-nous au 01.72.25.40.82
Cette formation machine learning et deep learning vous donne en 3 jours une vision complète des fondamentaux. Vous couvrez les grandes familles d’algorithmes (régression, classification, clustering), les principes du deep learning (réseaux de neurones, CNN, RNN), l’évaluation de modèles et les bonnes pratiques. La formation est accessible aux profils data ayant les bases en statistiques. À l’issue, vous savez choisir, entraîner et évaluer un modèle adapté à votre problème métier.