Formations Data mining et machine learning

Page 3 sur 8
Orsys
Machine learning, méthodes et solutionsPar Orsys

Le Machine Learning couvre l'ensemble des méthodes et concepts qui permettent d'extraire automatiquement à partir de données, des modèles de prédiction et de prise de décision. Durant ce cours, vous mettrez en œuvre les différents algorithmes du domaine et appréhendez les bonnes pratiques d'un projet Machine Learning.

Micropole Institut
Data Science et machine Learning - Les fondamentauxPar Micropole Institut

Cette formation Data Science et Machine Learning, les fondamentaux vous permettra de :

  • Savoir reconnaître une problématique business qui profiterait de l'apport de la data science
  • Mettre en place une gouvernance projet dédié
  • Choisir les bons outils en fonction de la problématique
IB Formation
Machine Learning - La synthèsePar IB Formation

Le machine Learning joue un rôle essentiel dans les évolutions du Big Data. Si vous préparez la mise en oeuvre d’une solution d’intelligence artificielle dans votre Entreprise, l’un de vos objectifs est de garantir une analyse et interprétation optimales des informations clés. Disposant d’un panel de mécanismes et algorithmes, le Machine Learning est en mesure de suivre les évolutions de ses propres analyses pour en définir des tendances, fournir des prédictions et soumettre des prescriptions. En respectant une démarche pédagogique particulièrement méthodique, ce séminaire permettra aux décideurs informatiques et marketing de disposer des repères fondamentaux facilitant le lancement de tout projet intégrant ces nouveaux éléments (Traitement intelligemment des données).

Ambient IT
PyTorch Fast.Ai : Deep LearningPar Ambient IT

PyTorch et la librairie FastAI respectivement soutenus par Facebook Research (FAIR) et une communauté de développeurs autour de Jeremy Howard (co-fondateur de Kaggle) constituent un duo de choc pour découvrir de manière rapide la puissance des algorithmes de Deep Learning.

La release 1 de PyTorch sortie en décembre 2018 et la version v1 de fastai sont disponibles de manière transparente sur l’environnement kernel de Kaggle ou colab de Google.

Après un rappel succinct du paradigme du Machine Learning, et des différentes taches où le Deep Learning surpasse les méthodes traditionnelles, nous implémenterons les taches classiques comme la classification d’images, de textes, les vecteurs de mots, les auto-encoders. Au travers de l’environnement Anaconda, nous utiliserons CUDA proposé par NVIDIA pour accélérer nos traitements.
Suivant le déroulement du cours et TP, une participation à un ou plusieurs challenges data sur Kaggle (ou autre) sera organisée.
la comparaison avec le framework concurrent, TensorFlow de Google avec la libraire Keras (maintenant intégrée avec TF v2.0), sera abordée durant le cours.

À la fin du cours, les participants auront une compréhension approfondie des caractéristiques et des capacités de PyTorch, ainsi que de son rôle et de sa contribution dans l’IA par rapport à d’autres frameworks et bibliothèques. Les participants auront également reçu la pratique nécessaire pour mettre en œuvre PyTorch dans leurs propres projets.

Comme toutes nos formations, celle-ci vous présentera la dernière version stable en date et ses nouveautés : PyTorch 1.8.

Openska
Deep Learning Foundations with TensorFlow 2Par Openska

ette formation est une formation pratique en Python qui présente les concepts théoriques sous-jascents en mettant l’accent sur la mise en pratique. Le module vous permettra d’acquérir les connaissances de bases pourcommencer à travailler sur des projets Deep Learning en utilisant les librairiesTensorFlow 2 et Keras sur des serveurs équipés de GPU.
Intéressante pour les ingénieurs travaillant sur des problèmes avec des données non structurées ou les techniques alternatives sont peu efficaces ou couteuses comme par exemple le traitement des images/videos. L’utilisation des notebooks Jupyter permet une formation dynamique et
interactive, ces supports vous serviront ensuite de base dans l’implémentation
de vos propres projets. L’accent sera mis sur les bonnes pratiques pour créer
des livrables lisibles et réutilisables

Demos
Mise en oeuvre de Solutions Deep LearningPar Demos
  • Avoir une bonne connaissance du Deep Learning
  • Implémenter des modèles de Deep Learning en Python
  • Effectuer des analyses profondes
  • Gérer et tirer des opportunités métier à partir des données grâce au Deep Learning
Arkesys
Machine learning - Découverte : classification, k-means, analyse factorielle discriminante, arbres de décision et forêts aléatoiresPar Arkesys

La formation en quelques mots

Cette formation s'adresse à des personnes souhaitant découvrir le contexte d’application et les concepts des méthodes de machine learning (classification, k-means, analyse factorielle discriminante, arbre de décision et forêt aléatoire). Ces méthodes ont pour principal objectif d’extraire des informations de données massives. Les méthodes de types classification, k-means sont utilisées dans un contexte d’analyse exploratoire. On entend par analyse exploratoire la « découverte » des données dont l’objectif est de se faire une première idée sur celles-ci : statistiques descriptives, recherche de tendances, de corrélations. Les méthodes d’arbres de décision et forêts aléatoires sont mises en pratique dans un objectif de prise de décision métier.
Ces types de méthodes s’appliquent en présence de données :

Thèmes principaux

Outil logiciel

Les mises en applications pourront se faire autour du logiciel R si les participants sont autonomes, sous XlStat ou sous JMP.

Tanit Formation
Deep learning - mise en oeuvrePar Tanit Formation

Cette formation présente les fondamentaux du Deep Learning ainsi que les principales techniques utilisées dans l'industrie. Les travaux pratiques s'appuieront sur des données réelles et présenteront des modèles récents. Certains points aborderont des sujets de recherche récents.

Tanit Formation
S'initier au machine learning avec le langage rPar Tanit Formation

Cette formation vous apportera les clés pour mieux appréhender les concepts de base du Machine Learning et apprendre leurs mises en pratique avec le langage R.

IB Formation
L'apprentissage profond avec TensorFlow 2Par IB Formation

La course à la reconnaissance faciale ou vocale que se sont livrées les GAFAM dans le courant des années 2000 a largement contribué à la maturité des outils d’apprentissage profond. Aussi, les traitements statistiques appliqués aux réseaux de neurones génèrent maintenant de bons résultats en termes de prédiction ou d’estimation. Développé par Google, le framework TensorFlow offre aux développeurs une interface graphique leur permettant simplement d’entraîner et d’exécuter des réseaux de neurones pour de multiples applications (reconnaissance d’image, traduction automatique, complétions automatique, ...). A l’issue de cette formation, les participants maîtriseront les méthodes de manipulation de TensorFlow pour implémenter des réseaux de neurones artificiels et ainsi développer les programmes innovants pouvant répondre aux besoins de leurs entreprises.