Formation - Data Science - Les fondamentaux

Intra-entreprise

Référence : onyfeGYE0v7Z

Durée : 14 h sur 2 j

Tarif

6 900 €

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 :

Identifier les enjeux de la Data Science et de l'IA
Schématiser le cycle d'un projet Data Science
Appliquer les meilleures pratiques en matière de nettoyage et de préparation de vos données avant l'analyse
Modéliser un problème de Data Science.

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

Avoir une expérience de codage ou de script préalable est nécessaire. Il est également préférable d'avoir des connaissances de base en statistiques.

Public cible

Tous publics

Programme

Introduction à la Data Science

-Qu'est-ce que la Data Science ?-Différence entre statistiques et la Data Science-Champs d'application de la Data Science-Outils et algorithmes pour faire la Data Science-Les cycles d'un projet Data Science

L'apprentissage automatique

-L'apprentissage
-Automatique dans le passé
-Supervisé
-Non supervisé
-Renforcé

Rappel Python

-Introduction à Python-Les structures / propriétés / fonctions spéciales-La programmation orientée objet-Manipuler les librairies :
-NumPy
-SciPy
-Pandas
-Matplotlib

Les algorithmes de l'apprentissage automatique

-Réduction de la dimensionnalité avec l'analyse des composants principaux (PCA)-Analyse de régression linéaire, multilinéaire, polynomiale, logistique et régularisation-Classification supervisée-Classification non supervisée et régression avec arbres de décision-Le K-Means clustering-Le perceptron et le support des machines vectorielles (SVM)-Réseaux de neurones artificiels

Les indispensables de la Data Science

-Cross-validation-Les métriques d'évaluation-Overfitting ou surapprentissage-Biais vs variance-Etapes de préparation des données (du nettoyage des données à la compréhension des données)-Feature Engineering-Data Visualisation-Bonnes pratiques