Formation - Data Science avec Python (Scikitlearn)

Intra-entreprise

Référence : tFXO1FBxm2Ma

Durée : 21 h sur 3 j

Tarif

10 350 €

M2i Formation

Mougins

Intra-Entreprise

Une formation intra-entreprise réunit dans une même session les salariés d'une seule entreprise. Elle se déroule généralement dans les locaux de l'entreprise. Le tarif est convenu pour la formation d'un groupe de salarié.

Détails de la formation

Méthodes et outils pédagogiques

Formation délivrée en présentiel ou distanciel* (blended-learning, e-learning, classe virtuelle, présentiel à distance). Le formateur alterne entre méthode démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). Variables suivant les formations, les moyens pédagogiques mis en oeuvre sont : - Ordinateurs Mac ou PC (sauf pour certains cours de l’offre Management), connexion internet fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour le distanciel) - Environnements de formation installés sur les postes de travail ou en ligne - Supports de cours et exercices En cas de formation intra sur site externe à M2i, le client s'assure et s'engage également à avoir toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques...) au bon déroulement de l'action de formation visée conformément aux prérequis indiqués dans le programme de formation communiqué. nous consulter pour la faisabilité en distanciel * ratio variable selon le cours suivi

Objectifs de la formation

A l’issue de cette formation, vous serez capable de :

Utiliser Scikitlearn pour créer des modèles d'apprentissage machine
Concevoir des expériences et interpréter les résultats des tests A/B
Visualiser l'analyse de clustering et de régression en Python à l'aide de Matplotlib
Produire des recommandations automatisées de produit ou de contenu avec des techniques de filtrage collaboratif
Appliquer les meilleures pratiques en matière de nettoyage et de préparation de vos données avant l'analyse.

Méthodes d'évaluation

En cours de formation, par des études de cas ou des travaux pratiques - Et, en fin de formation, par un questionnaire d'auto-évaluation

Pré-requis

Une expérience de codage ou de script préalable est nécessaire. Avoir au minimum des compétences en mathématiques de niveau secondaire.

Public cible

Tous publics

Programme

Introduction à la Data Science (la science des données)

-Qu'est-ce que la Data Science ?
-Définition
-Différence entre statistiques et Data Science
-Champs d'application de la Data Science
-Outils et algorithmes pour faire de la Data Science-Les méthodes de Machine Learning (apprentissage automatique)
-L'apprentissage supervisé
-L'apprentissage non supervisé
-L'apprentissage renforcé

Le langage de programmation Python - Bases

-Introduction à Python-Les structures / propriétés / fonctions spéciales-La Programmation Orientée Objet (POO)-La bibliothèque standard

Le langage de programmation Python - Avancé

-Notions avancées de Python-Respecter de bonnes pratiques de développement-Manipuler les librairies NumPy, SciPy, Pandas et Matplotlib

Préparation de données pour la Data Science

-Pourquoi la préparation des données est-elle si importante en Data Science ?-Étapes de préparation des données (du nettoyage des données à la compréhension des données)Jour 2

<em>Exemples de travaux pratiques sur Scikitlearn (à titre indicatif)</em>

-Maîtriser les techniques d'apprentissage automatique et d'exploration de données avec Scikitlearn de Python
-Extraction de caractéristiques et prétraitement
-Réduction de la dimensionnalité avec l'Analyse des Composants Principaux (PCA)
-Analyse de régression linéaire, multi-linéaire, polynomiale, logistique et régularisation
-Classification supervisée
-Classification non supervisée et régression avec arbres de décision
-K-means clustering
-Perceptron et le Support des Machines Vectorielles (SVM)
-Réseaux de neurones artificielsJour 3