Aller au contenu

DAT-196 // NUMÉRIQUE

Machine learning pour data analysts

Construire ses premiers modèles d'apprentissage automatique en Python : préparation des données, régression, classification, évaluation honnête, interprétation et mise à disposition simple.
21 h
Durée
Visio
Modalités
Sur devis
Tarif

Ce que vos équipes sauront faire.

  • Préparer un jeu de données pour l'apprentissage : variables, encodage, découpage apprentissage-test.
  • Entraîner et comparer des modèles de régression.
  • Entraîner et comparer des modèles de classification.
  • Évaluer un modèle avec des métriques adaptées et une validation croisée.
  • Interpréter les résultats, rechercher les biais et rédiger un rapport de modèle.

Programme détaillé

  1. 01

    Préparer — Principes de l'apprentissage supervisé

  2. 02

    Préparer — Variables, encodage, normalisation

  3. 03

    Préparer — Découpage apprentissage-test

  4. 04

    Préparer — Fuites de données

  5. 05

    Régression — Régression linéaire

  6. 06

    Régression — Arbres et forêts

  7. 07

    Régression — Métriques d'erreur

  8. 08

    Régression — Surapprentissage

  9. 09

    Classification — Régression logistique

  10. 10

    Classification — Arbres et ensembles

  11. 11

    Classification — Matrice de confusion, précision, rappel

  12. 12

    Classification — Classes déséquilibrées

  13. 13

    Interpréter et partager — Importance des variables

  14. 14

    Interpréter et partager — Biais et équité

  15. 15

    Interpréter et partager — Rapport de modèle

  16. 16

    Interpréter et partager — Mise à disposition simple et suivi

PROTOCOLE // APPRENDRE

Méthodes

Démonstrations puis pratique immédiate sur des jeux de données réalistes. Cas fil rouge construit de module en module. Retours individuels par partage d'écran. Fiches mémo remises à chaque participant. Données personnelles : anonymisation, minimisation et droits d'accès rappelés à chaque exercice.

PROTOCOLE // MESURER

Évaluations

Pendant : préparation vérifiée, comparaisons évaluées. En fin de formation : rapport noté et quiz. Questionnaire de satisfaction à chaud.

ACCESSIBILITÉ // ADAPTATION

Une solution construite avec vous.

Les besoins d'aménagement sont étudiés avant la session avec notre référent handicap.

CADRE // INFORMATIONS VÉRIFIABLES

Préparer la formation sans zone d’ombre.

Reconnaissance délivrée

Attestation de fin de formation et certificat de réalisation. Cette formation ne prépare pas à une certification enregistrée au RNCP ou au répertoire spécifique.

Financement

Financement possible par l'entreprise ou son OPCO selon les règles applicables et après accord écrit. Aucune prise en charge n'est garantie avant cet accord.

Positionnement et adaptation

Questionnaire avant la session avec un court exercice : outils utilisés, sources de données, niveau en tableur ou en programmation, cas d'usage. Les jeux de données d'exercice sont choisis selon le secteur des participants.

Déroulement et moyens

Dates, horaires, lieu ou accès à distance sont confirmés dans la convocation. Le livret d'accueil, le règlement et les contacts utiles sont transmis avant la session.

Un ordinateur par participant. Python avec bibliothèques de données et d'apprentissage (environnement défini au cadrage). En classe virtuelle : connexion stable, webcam et micro ; un second écran est recommandé.

CANAL DIRECT // RAPPEL

Adaptons cette mission à votre entreprise.

Public, objectifs, contraintes et modalités : un échange court suffit pour cadrer la prochaine étape.

Parler de cette formation