Type de diplôme : Formation qualifiante

Introduction au machine learning et au deep learning, mise en oeuvre en Python

Domaine : Sciences, Technologie

Présentation

L’apprentissage machine (machine learning) est une discipline scientifique qui s'intéresse à la conception et au développement d'algorithmes permettant aux ordinateurs d'apprendre à prendre des décisions à partir de données. L'ensemble des données potentiellement utiles pour alimenter une tâche d'apprentissage est très vaste et varié, ce qui rend la modélisation et les hypothèses préalables critiques pour la conception d'algorithmes pertinents. Ce stage se concentre sur la méthodologie sous-jacente à l'apprentissage supervisé avec un accent particulier sur la formulation mathématique des algorithmes et la façon dont ils peuvent être mis en oeuvre et utilisés dans la pratique.

Objectifs

Comprendre le fonctionnement d’un algorithme de machine learning et de deep learning:

- Savoir mettre en oeuvre les algorithmes avec Python

- Connaitre les différentes étapes de traitement de la donnée avant l’application d’un algorithme de machine learning

- Savoir évaluer la performance des algorithmes de machine learning

Public(s) cible(s)

  • Demandeur d'emploi
  • Responsable entreprise
  • Salarié - Profession libérale

Capacité d'accueil

15 personnes

Précision du rythme

3 jours (21 heures)

Lieu d'enseignement

Programme

Organisation de la formation

  • Introduction à l’apprentissage supervisé : régression et classification binaire, métriques d’évaluation classiques et quelques « recettes de cuisine » (cross-validation, overfitting)
  • Méthodes linéaires : LDA, modèles linéaires généralisés, régression logistique. SVM minéaire : hinge, loss, méthodes de régularisation ridge, lasso, problèmes en grande dimension
  • Méthodes non-linéaires : arbres de décision, CART, boosting, XGBoost, LightGBM, random forests, méthodes à noyaux
  • Méthodes d’optimisation pour le machine learning : coordinate gradient descent, descente de

gradient stochastique et améliorations

  • Deep learning : feed-forward neural networks, convolutional neural networks, back-propagation,algorithmes stochastiques pour l’entrainement, early stopping, méthodes d’initialisation, regularisation dropout, mise en oeuvre avec tensorflow et keras

Aménagements particuliers

Alternance de cours (50 %) et d’ateliers (50 %)

Admission

Développeurs informatiques, ingénieurs, techniciens, data scientists, chercheurs en informatique ou en mathématiques

Pré-requis

Avoir une expérience en programmation, et des notions en mathématiques (dérivée d’une fonction, algèbre linéaire). Niveau L3 minimum en informatique ou en mathématiques appliquées.

Droits de scolarité

1800 euros

Frais de formation

1800 euros

Contact(s)

Composante(s)

Lieu(x) de la formation

  • Campus des Grands Moulins (site Paris Rive Gauche)

A lire aussi

Formation | Université de Paris
Les BU rouvrent leurs portes !

Les bibliothèques Grands-Moulins, Sciences, Bichat, Cochin, Cordeliers, Necker,  Villemin, Montrouge, Garancière, BIU Santé – Médecine, BIU Santé – Pharmacie, Jeanne-Chauvin, Henri-Piéron, SHS et STAPS vous accueilleront à nouveau à partir du lundi 14 septembre dans le respect des mesures sanitaires en vigueur à Université de Paris.

Formation | Université de Paris
Les mesures sanitaires pour une rentrée en toute sécurité

Dans le cadre de la lutte contre la pandémie Covid-19, Université de Paris met en place des mesures sanitaires pour vous permettre d’aborder la rentrée dans un contexte sûr et de protéger la santé de toutes et tous.

Formation | Université de Paris
Outils d’enseignement et de travail à distance

Université de Paris met à disposition différents outils pour faciliter votre travail au quotidien et vous accompagner dans l’enseignement à distance.

Formation | Université de Paris
Activation de votre compte Université de Paris

Dans le cadre de la mise en place des services numériques d’Université de Paris, tous les personnels et les étudiants doivent activer leur nouveau compte Université de Paris.

Logo

Contact

85 boulevard Saint-Germain 75006 Paris
(33) (0)1 57 27 90 00