Objectifs de la formation
L’objectif de cette formation est d’acquérir une compréhension des principes du Data Mining et du Machine Learning, de savoir appliquer et évaluer différents algorithmes d’analyse, et de mettre en pratique ces connaissances à l’aide d’outils comme Scikit-learn.Clientèle visée
Data Analysts, Data Scientists débutants, développeurs, chefs de projets techniquesPréalables
Connaissances de base en statistiques et programmation (Python recommandé)Formateurs
Architecture de la formation
Introduction au Data Mining
Chapitre 1 : Fondements
• Définition et enjeux
• Cycle de vie d’un projet Data Mining
Chapitre 2 : Préparation des données
• Nettoyage, transformation, normalisation
• Feature engineering
Atelier 1 : Préparation d’un jeu de données réel
Algorithmes de Machine Learning
Chapitre 3 : Apprentissage supervisé
• Régression linéaire, régression logistique
• Arbres de décision, Random Forest
Chapitre 4 : Apprentissage non supervisé
• K-means, PCA, clustering hiérarchique
Atelier 2 : Classification d’un jeu de données avec Scikit-learn
Évaluation et interprétation
Chapitre 5 : Évaluation des modèles
• Accuracy, precision, recall, F1-score
• Courbes ROC, matrice de confusion
Chapitre 6 : Interprétabilité et biais
• SHAP, LIME
• Éthique et biais algorithmiques
Atelier 3 : Optimisation et interprétation d’un modèle prédictif
Détails pédagogiques
Type de cours
Formation en entreprise
Toutes nos formations peuvent être offertes en entreprise et personnalisées selon vos besoins. Pour plus d'information, nous vous invitons à communiquer avec nous ou à remplir une demande de soumission en ligne.
Demander une soumissionFormation en entreprise
Toutes nos formations peuvent être offertes en entreprise et personnalisées selon vos besoins. Pour plus d'information, nous vous invitons à communiquer avec nous ou à remplir une demande de soumission en ligne.
Demander une soumission