MACHINE LEARNING Découverte : classification, k-means, analyse factorielle discriminante, arbres de décision et forêts aléatoires Mixte : présentiel / à distance

• Toute personne souhaitant découvrir le contexte et les concepts d'utilisation des méthodes de machine learning de type classification, k-means, analyse factorielle discriminante, arbres de décision et forêts aléatoires.

• Il est souhaitable d'avoir des connaissances de bases en statistiques.
• Dans le cas où la formation serait effectuée avec le logiciel R, une connaissance de base de ce logiciel est préconisée

A l'issue de cette formation, l'apprenant sera capable de :

• Connaître les objectifs et les différences entre les méthodes d'apprentissage supervisé et non supervisé
• Maîtriser le vocabulaire spécifique aux méthodes d'apprentissage supervisé et non supervisé
• Identifier le contexte et les conditions d'application des méthodes d'apprentissage supervisé et non supervisé 
• Connaître les démarches des méthodes d'apprentissage supervisé et non supervisé

Généralités sur les différentes méthodes de machine learning

• Limites des statistiques classiques
• Champs d'application des différentes méthodes
• Introduction sur le machine learning - Les objectifs et problématiques

Découverte de la méthode d'Analyse discriminante

• Structure du jeu de données
• Contexte d'application, objectifs et méthodologie de l'analyse discriminante
• Notions de classement et de discrimination
• Méthodologie de l'AFD
• Interprétation des sorties logiciel : cercle factoriels, corrélations variables x axes
• Qualité de l'AFD (de la discrimination obtenue)
  
  • Tests univariés et multivariés (lambda de Wilks)
  • Graphique des individus
  • Matrice de confusion (et éventuellement courbe ROC)
• Les confusions et erreurs à ne pas commettre

Découverte des méthodes de classification : classification ascendante hiérarchique (CAH) et k-means

• Structure du jeu de données
• Contexte d'application, objectifs et méthodologie de la CAH et des k-means
• Lecture d'un dendrogramme
• Différents types de classification : sur les individus, sur les variables, sur les modalités
• Avantages et inconvénients des méthodes de classification
• Interprétation des sorties logiciel

 

Découverte des méthodes d'apprentissage supervisé

• Champs d'application des différentes méthodes 
• Objectifs de l'apprentissage supervisé
  
  • Objectifs de description
  • Objectifs de prédiction
• Structure des jeux de données
• Présentation générale de l'éventail des méthodes
  
  • Arbre de décision
  • Forêt aléatoire

• Connaître les objectifs et les différences entre les méthodes dapprentissage supervisé et non supervisé
• Maîtriser le vocabulaire spécifique aux méthodes dapprentissage supervisé et non supervisé
• Identifier le contexte et les conditions dapplication des méthodes dapprentissage supervisé et non supervisé
• Connaître les démarches des méthodes dapprentissage supervisé et non supervisé

• Explications théoriques suivies de pratiques guidées puis de mises en autonomie.
• Exercices autonomes et réguliers pour assurer l'assimilation

Votre formation a lieu en présentiel :

• 1 vidéoprojecteur par salle
• 1 ordinateur

 

Votre formation se déroule à distance avec :

• 1 ordinateur
• 1 connexion Internet
• 1 adresse e-mail valide
• 1 équipement audio (micro et enceintes ou casque)
• 1 Webcam (facultatif – dans l'idéal)
• 1 deuxième écran (facultatif – dans l'idéal)

 

Votre formation se déroule sur notre plate-forme de formation avec :

• 1 ordinateur
• 1 connexion Internet
• 1 adresse e-mail valide
• 1 équipement audio (micro et enceintes ou casque - facultatif)

 

Support stagiaire :

À l'issue de la formation, les exercices et travaux pratiques réalisés, leurs corrigés ainsi qu'un support de cours dématérialisé sera fourni à chaque stagiaire par e-mail ou via la plate-forme FOAD.

L'acquisition des compétences de la formation se fait à travers le suivi du formateur tout au long de la formation (séquences synchrones et asynchrones). Elle s'appuie également sur la réalisation d'exercices et de TP. Enfin, des quiz s'ajoutent aux différents outils de validation de l'acquisition des compétences visées. Une évaluation est systématiquement réalisée par chaque stagiaire, à l'issue de la formation.

Nos formateurs sont certifiés à l'issue d'un parcours organisé par nos soins. Ils bénéficient d'un suivi de maintien et d'évolution de leurs compétences aussi bien au niveau technique que pédagogique.
Chacun de nos formateurs a bénéficié d'une formation spécifique à l'animation de classe virtuelle et à l'utilisation des solutions de formation à distance du Groupe ARKESYS.

Cette formation est accessible à toute personne en situation de handicap. Notre référent handicap prendra contact avec les stagiaires concernés pour adapter l'animation à leurs besoins et rendre l'apprentissage accessible à tous. Enfin, nos centres de formation sont accessibles aux personnes à mobilité réduite.