Formation Python Machine Learning avec Scikit.Learn

Logo Formation Scikit-learn - Python Machine Learning

1400€

1260€HT/ personne

2 jours (14 heures)

Interentreprises

­Paris

Disponible en intraentreprise pour former votre équipe.

Présentation

Scikit-learn (ou Sklearn) est une bibliothèque libre Python dédiée à l’apprentissage automatique. Elle est développée par de nombreux contributeurs notamment par des instituts français d’enseignement supérieur et de recherche comme Inria et Télécom ParisTech.

Elle comprend notamment des fonctions pour estimer des forêts aléatoires, des régressions logistiques, des algorithmes de classification, et les machines à vecteurs de support. Elle est conçue pour s’harmoniser avec des autres bibliothèques libre Python, notamment NumPy et SciPy.

Comme toutes nos formations, celle-ci vous présentera la dernière version stable en date et ses nouveautés (Scikit-learn 0.20.0 à la date de l’article).

 

Objectifs

  • Mettre en œuvre des algorithmes d’apprentissage machine en python avec Scikit-Learn
  • Pouvoir choisir une stratégie de montée en charge pour Scikit-Learn
  • Utiliser Scikit-Learn en conjonction avec d’autres toolkit de l’univers Python (par ex. Skimage ou OpenCV)
  • Etre en mesure de citer les différents composants de Scikit-Learn, leur usage, trouver rapidement leur documentation.

 

Public visé

Public d’analystes, Data Miners, Chargés d’études statistiques, Directeurs d’études, Développeurs

 

Pré-requis

Savoir programmer en Python 2, et avoir une bonne connaissance en traitement et manipulation de données et algèbre linéaire.

Programme de la formation Python Machine Learning avec Scikit.Learn

 

Introduction

  • Algorithmes, vocabulaire
  • Panorama de scikit-learn
  • Démarche d’apprentissage

 

Présentation

  • Périmètre du toolkit, domaine d’application
    Structure
  • Représentation des données et principes de l’API
    La documentation

 

Méthodes de Machine Learning

  • Les méthodes supervisées : knn, SVM, Réseaux de neurones, réseau bayésien naif, régression pénalisée, boosting, random forest
  • Les méthodes non supervisées : Clustering, Règles d’associations et de séquences, Traitement du texte (text mining)

 

Catégories de problèmes et mise en oeuvre avec SL

  • Classification
  • Régression
  • Clustering
  • Autres algorithmes disponibles

 

Les modèles

  • Validation des modèles
  • Préparation des modèles
    • Cas des images
    • Cas des textes
    • Réduction des dimensions
    • Autres préparations

 

Enchainements (pipelining)

 

Choisir le bon estimateur et les bons paramètres

 

Performance et montées en charge

  • Stratégie
  • Outils

 

Interopérabilité avec écosystème python scientifique

Langues et Lieux disponibles

Langues

  • Français
  • Anglais / English

Lieux

  • France entière
    • Paris
    • Lille
    • Reims
    • Lyon
    • Toulouse
    • Bordeaux
    • Montpellier
    • Nice
    • Sophia Antipolis
    • Marseille
    • Aix-en-Provence
    • Nantes
    • Rennes
    • Strasbourg
    • Grenoble
    • Dijon
    • Tours
    • Saint-Étienne
    • Toulon
    • Angers
  • Belgique
    • Bruxelles
    • Liège
  • Suisse
    • Genève
    • Zurich
    • Lausanne
  • Luxembourg

Témoignages

Donnez votre avis ?

Afficher tous les témoignages

Donnez votre avis ?

Noter la formation

1400€

1260€HT/ personne

2 jours (14 heures)

Interentreprises

­Paris

Disponible en intraentreprise pour former votre équipe.

Une question ? Un projet ?

Pour des informations complémentaires, n’hésitez pas à nous contacter.