Aller directement au contenu
Format : Stage pratique
Niveau Avancé
Répartition du temps : 50% exposés
40% pratique
10% échanges

La formation en détails

Description

Le Big Data et la data science sont en train de changer le monde que nous connaissons. Avec la digitalisation sans cesse croissante de nos interactions et les progrès accomplis en matière d'intelligence artificielle, les entreprises ont de plus en plus recours aux algorithmes pour améliorer leurs processus de prise de décision et proposer de nouveaux services. Le Data scientist, à travers sa faculté à trouver à partir de l'exploitation des données une réponse adéquate à un problème fonctionnel donné, est au cœur de ces évolutions.

 

Après le module sur les bases de la Data science, la formation « Data Science : niveau avancé » vous permettra d'approfondir certains des concepts avancés de machine learning (feature engineering avancé, modèles ensemblistes…) utilisés notamment par les lauréats de concours Kaggle. Vous découvrirez également les techniques d'analyse et de traitement spécifiques aux données de type image ou texte (deep learning, réseaux de neurones convolutifs, réseaux récurrents,...).

Objectifs

  • Découvrir et utiliser la puissance prédictive des modèles ensemblistes
  • Savoir effectuer un "feature engineering" performant
  • Appréhender les techniques de text-mining et de deep-learning à travers des exemples concrets
  • Enrichir sa boite à outils de data scientist

Public cible

  • Analyste
  • Statisticien
  • Architecte
  • Développeur
  • Data scientist

Prérequis

  • Connaissances de base en programmation ou en scripting
  • Avoir suivi la formation "Fondamentaux de la Data Science" (DSDFX) serait en plus

Modalités pédagogiques

Formation avec apports théoriques, échanges sur les contextes des participants et retours d'expérience pratique du formateur, complétés de travaux pratiques et de mises en situation.

Profil du formateur

Toutes nos formations sont animées par des consultants-formateurs expérimentés et reconnus par leurs pairs.

Modalités d'évaluation et de suivi

L'évaluation des acquis se fait tout au long de la session au travers des ateliers et des mises en pratique.

Afin de valider les compétences acquises lors de la formation, un formulaire d'auto-positionnement est envoyé en amont et en aval de celle-ci.

Une évaluation à chaud est également effectuée en fin de session pour mesurer la satisfaction des stagiaires et un certificat de réalisation leur est adressé individuellement.

Programme détaillé

Jour 1

 

RAPPEL DES FONDAMENTAUX

Ecosystème Big Data et Data Science

Comment modéliser un problème de data science ?

Les différentes familles d'algorithmes (supervisé : classification/régression, non supervisé)

Les algorithmes classiques

Comment évaluer la performance ?

Sur apprentissage et compromis biais/variance

 

MODÈLES ENSEMBLISTES

Rappels

Pourquoi ça fonctionne ? Raisons théoriques

Introduction au stacking

  • Architecture et promesses du stacking
  • Feature weighted stacking
  • Mise en application

 

INTRODUCTION AU TEXT MINING

Un modèle de représentation : le bag of words

Normalisations usuelles

Stemming, lemmatization

Distances (Levenshtein, Hamming, Jaro-Winkler)

Word2Vec

 

Jour 2

 

FEATURE ENGINEERING AVANCÉ

Normalisation

  • Qu'est ce que la normalisation ?
  • Quand l'utiliser ?

 

Réduction de dimension (ACP, TSNE, LSA, etc)

Transformation et interactions entre variables

Traitement des variables catégorielles à haute dimensionnalité

Création de variables extraites d'arbres (Facebook Trick)

 

RÉSEAUX DE NEURONES ET DEEP LEARNING

L'origine : le perceptron

 

Les réseaux de neurones

 

Deep learning

  • Objectif : s'affranchir du feature engineering manuel
  • Convolution
  • Réseaux récurrents

 

Cas concret : reconnaissance de chiffres

 

APPRENTISSAGE SEMI-SUPERVISÉ

 

Jour 3

 

RAPPELS ET RÉVISIONS

Synthèse des points abordés en journées 1 et 2

Approfondissement des sujets sélectionnés avec l'intervenant

 

MISE EN PRATIQUE

Le dernier jour est entièrement consacré à des mises en pratique

 

SÉLECTION ET PARTICIPATION À UNE COMPÉTITION

Le formateur sélectionnera une compétition en cours sur Kaggle qui sera démarrée en jour 3 par l'ensemble des participants

Ce qu'en disent les participants

4.60 / 5
Satisfaction moyenne
Sur la base de 9 avis, collectés en fin de formation durant les 12 derniers mois.
100 %
recommandent cette formation
Sur la base de 9 avis, collectés en fin de formation durant les 12 derniers mois.

Nos autres formations du domaine « Data Science » Toutes les formations du domaine

DSFDX Fondamentaux de la Data Science
S'initier à la pratique de la Data Science et constituer sa première boîte à outils de Data Scientist
Durée : 21 h / 3 j
Fondamentaux
 
 
 
 
Prochaine session : 24 juin 2024
NLPSR Intelligence Artificielle : Natural Language Processing (NLP) & Speech Recognition
Devenir un expert du langage écrit et parlé avec python
Durée : 21 h / 3 j
Avancé
 
 
 
 
Prochaine session : 27 mai 2024
DSETI Data Science : s’approprier les bonnes pratiques de l'Intelligence Artificielle Responsable
Appréhender les enjeux éthiques et favoriser l'interprétabilité et la vigilance des modèles de Machine Learning
Durée : 7 h / 1 j
Fondamentaux
 
 
 
 
Prochaine session : 20 septembre 2024
GREAI Green AI : l’intelligence artificielle responsable
Concevoir des modèles de Machine Learning en visant un équilibre entre performance et frugalité
Durée : 14 h / 2 j
Avancé
 
 
 
 
Prochaine session : 20 juin 2024
DSGDP Cadrage et pilotage d'un projet de Data Science
Comprendre les spécificités d'un projet de Data Science pour mieux le piloter de la conception au delivery
Durée : 14 h / 2 j
Avancé
 
 
 
 
Prochaine session : 27 mai 2024
DSARC Architecture des données : stockage et accès
Appréhender et prendre en main les nouvelles architectures de données : Hadoop, NoSQL, Spark
Durée : 21 h / 3 j
Fondamentaux
 
 
 
 
Prochaine session : 13 mai 2024

Découvrez les profils métiers associés à cette formation

Data Scientist
La puissance prédictive au service des orientations stratégiques
Machine Learning Engineer
L'ingénierie logiciel au profit de vos projets de Data Science

Besoin d'aide pour trouver votre formation ?

Contactez-nous

Sessions & Inscriptions

Session partagée avec d'autres organisations

Prochaines sessions
  • du 01 au 03/07/2024
    Présentiel, Paris
    2 500,00 € HT
  • du 25 au 27/11/2024
    Présentiel, Paris
    2 500,00 € HT
Durée
21 h / 3 j

Demander un devis Nous contacter
Télécharger le programme

Organiser une session dédiée à votre organisation

Durée
21 h / 3 j

Vous avez plusieurs collaborateurs à former ?

Cette formation peut être organisée
sous la forme de sessions dédiées
aux membres de votre organisation.

Demander un devis Nous contacter Télécharger le programme

Personnaliser cette formation

Cette formation vous intéresse
et vous souhaitez l'adapter pour
vos collaborateurs ?

Nos formateurs et notre équipe pédagogique sont à
votre disposition pour en discuter
et vous proposer un programme sur-mesure.

Nous contacter Télécharger le programme

OCTO Academy respecte votre vie privée

Ce site web stocke des informations vous concernant via le dépôt de cookie afin de mesurer l’audience du site. Ces données de navigation sont anonymisées.

En cliquant sur « OK pour moi », vous manifestez votre consentement pour le dépôt de ces cookies.

Lire la politique de confidentialité

À propos des cookies

Sur ce site, nous utilisons des cookies pour mesurer notre audience, entretenir la relation avec vous et vous adresser de temps à autre du contenu qualitif ainsi que de la publicité. Vous pouvez sélectionner ici ceux que vous autorisez à rester ici.

Cookies