Recherche avancée
Par formation
Par date
Par ville
logo HUB Formation
Organisme de Formation
aux Technologies et métiers de L'informatique
La pédagogie au service de la technologie
Accueil > éditeurs > Python > L'apprentissage Machine en Python (SciKit-Learn)

L'apprentissage Machine en Python (SciKit-Learn)

Utiliser la bibliothèque d'apprentissage statistique en Python de référence

python
Spécifiquement conçue par de nombreux contributeurs et notamment par des instituts français d'enseignement supérieurs et de recherche tels que l'INRIA et Télécom Paritech, Scikit-Learn est une bibliothèque libre développée en Python et destinée à la mise en œuvre de solutions d'apprentissage automatique. Simple d'utilisation et polyvalente, SciKit-Learn peut être utilisée dans une grande variété de projets : ciblages marketing, prévisions de comportements d'internautes, optimisation de processus industriels ou logistiques... Les participants à cette formation de 2 jours acquerront les compétences et connaissances nécessaires à la mise en œuvre de SciKit-Learn dans leurs projets.

Objectifs

  • Être capable de mettre en œuvre SciKit-learn pour de l'apprentissage machine et l'analyse de données
  • Comprendre comment collecter les données et les préparer pour un traitement efficient
  • Savoir modéliser les données et optimiser les modèles
  • Être en mesure d'industrialiser et de déployer une application de prédiction

Public

  • Chefs de projet et data-scientists souhaitant comprendre le fonctionnement de SciKit-learn

Prérequis

  • Connaissance de Python et d'une bibliothèque de calcul telle que Numpy ou Pandas

Programme de la formation

1) L'écosystème SciKit Learn

  • Origine
  • Missions et évolutions
  • Architecture
  • Modules
  • Atelier pratique : Installation de l'écosystème (PC, MAC, LINUX

2) Bonnes pratiques SciKit Learn : la récupération de données

  • L'API dédiée aux jeux de données
  • Problématique des grands jeux de données
  • Les jeux de données internes au framework
  • La génération de données artificielles
  • L'accès aux données ouvertes
  • Méthodologies de chargement de données externes
  • Atelier pratique : Collecte de données sur un cas concret

3) Bonnes pratiques SciKit Learn : le prétraitement

  • Cadre et rôle du prétraitement
  • Méthodes de mise à l'échelle des données
  • Normalisation des données
  • Traitement des données catégorielles
  • Traitement des données manquantes
  • Atelier pratique : Prétraitement des données dans un cas concret

4) Bonnes pratiques SciKit Learn : l'ingénierie des variables prédictives

  • Cadre et rôle de l'ingénierie des variables prédictives
  • Transformations non linéaires
  • Algorithmes de réduction dimensionnelle de données
  • L'extraction automatique de traits (textes, images
  • Combinaison et transformations ad-hoc des données
  • Atelier pratique : Ingénierie des variables prédictives sur un cas concret

5) Bonnes pratiques SciKit Learn : la modélisation

  • Cartographie des algorithmes de l'écosystème
  • Tour de l'apprentissage supervisé avec SciKit Learn
  • Tour de l'apprentissage non supervisé avec SciKit Learn
  • En pratique, mode de sélection d'algorithmes pertinents
  • Atelier pratique : L'apprentissage supervisé et non supervisé sur cas concrets

6) Bonnes pratiques SciKit Learn : sélection et optimisation des modèles

  • Présentation et usage des outils de combinaison et de chaînage de processus
  • L'évaluation de performance par validation-croisée
  • Le réglage des hyper-paramètres d'un modèle
  • Les APIs d'évaluation des modèles de prédiction
  • Les différentes courbes d'évaluations de modèles de prédictions
  • Atelier pratique : Sélection de modèle, et optimisation des réglages

7) Bonnes pratiques SciKit Learn : industrialisation et déploiement

  • Persistance des modèles
  • Scaling des applications de prédictions avec SciKit Learn
  • Problématiques de latence et de débit à l'exécution
  • La parallélisation
  • La gestion de l'environnement Python associé
  • Atelier pratique : Industrialisation d'une application de prédiction

Les + de cette formation

Un tour d'horizon complet des fonctionnalités de SciKit-Learn
Une formation très opérationnelle durant laquelle s'alternent les phases d'apports théoriques, d'échanges, de partage d'expériences et les séquences de mise en pratique
Une formation pratique : chaque point abordé fera l'objet de manipulations à travers des ateliers pratiques
Les retours d'expérience et conseils de consultants experts.