Formations Bases de données et big data

Page 68 sur 69
Arkesys
XlStat - Analyses multivariées, classification (ACP, AFC, ACM, CAH, k-means, AFD)Par Arkesys

Jeux de données

Afin de s'approcher au mieux des réalités quotidiennes des praticiens, nous suggérons de nous appuyer pour l'animation pratique de thématiques et surtout de jeux de données reflétant le quotidien des apprenants.
Cet élément est un facteur de réussite pour la formation. Elle permet aux apprenants de :

Il sera donc pertinent que les apprenants puissent réfléchir en amont de la formation à des problématiques, jeux de données ou documents susceptibles d’être utilisés en support lors de la formation.

Outil logiciel

Au-delà de l'apprentissage des thématiques statistiques, la mise en application s'effectuera sur le logiciel XlStat.
Une partie de la formation sera si nécessaire consacrée à l'apprentissage du logiciel, son ergonomie, la structuration des données permettant aux apprenants d'acquérir l'autonomie sur ce logiciel.

Ambient IT
Introduction au Deep Reinforcement LearningPar Ambient IT

Le Reinforcement Learning met en œuvre un système large où un agent doit apprendre à résoudre un problème à partir de récompenses. Si ce domaine existe depuis un certain temps, l’arrivée du Deep Learning l’a bouleversé en mettant à disposition de nouveaux outils, approximant des outils (Q function, policy, etc.) par des réseaux de neurones. De nombreuses réussites ont démontré que malgré sa difficulté particulière, cette approche peut révolutionner certains problèmes : jeu vidéo, optimisation de process, jeu de go, contrôle continu ou robotique.

L’objectif ici est de présenter les bases du Reinforcement Learning, puis les principales avancées apparues ces dernières années : Deep Q Learning, Rainbow, Policy gradients (A3C, PPO), exploration (World models, Imagination augmented agents) jusqu’à une étude détaillée d’AlphaGo et AlphaGo Zero.

Data Value
Méthodes de prédiction automatique et leurs applications métiersPar Data Value

Apprendre à analyser des données non structurées
Découvrir les méthodes de prédiction automatiques et leurs applications métiers (moteur de recommandation, traces numériques, ...)
Améliorer ses méthodes et les rendre efficaces en environnement de production.

Ambient IT
Introduction Deep Learning pour l’interprétation & le traitement d’imagesPar Ambient IT

Un des champs d’application privilégiés du Deep Learning est le traitement de l’image. C’est sur des problèmes de classification que ce domaine s’est révélé depuis 2012, et toutes les principales innovations d’application ou d’architecture ont été dans un premier temps dédiées à l’interprétation ou à la transformation d’images. Cette formation vise à présenter les principales approches et, pour chacune, les algorithmes et architectures fondamentales jusqu’à une sélection d’états de l’art.

Les thèmes abordés vont de la classification ou la segmentation à la transformation d’images en abordant les problématiques de génération d’analyses orientées à partir de texte. Deux points d’attention sont proposés concernant l’utilisation de réseaux convolutionnels sur un périphérique mobile, ou les outils existant en interprétation de modèles entraînés.

XXL Formation
Ingénieur de production DB2 for z/osPar XXL Formation

Connaître les principes du Logging et de la sauvegarde et restauration des donnéesMaîtriser le fonctionnement, le rôle et l’exécution des différents utilitaires assurant la sécurité des donnéesAssurer le suivi des Objets DB2 : Alimentation des tables. Prise de statistiques. Gestion de la désorganisation des données.

Orsys
Big Data Analytics avec PythonPar Orsys

Le Big Data Analytics suppose la maîtrise de techniques fondamentales de traitement des données : méthodes statistiques, classifications, régressions, ACP... Ce stage pratique vous montrera, sur des données concrètes, comment utiliser ces techniques pour construire puis évaluer des modèles à l'aide du langage Python.