Préparer les données, entraîner des modèles et interpréter les résultats
Cette formation intensive explore les fondements du Data Mining et du Machine Learning, en mettant l’accent sur les techniques d’extraction de connaissances à partir de données, la modélisation prédictive et l’évaluation des performances. Elle combine théorie et ateliers pratiques pour permettre aux participants de construire des modèles intelligents et interprétables.
Est-ce pour vous ?
Data Analysts, Data Scientists débutants, développeurs, chefs de projets techniques
Préalables
Connaissances de base en statistiques et programmation (Python recommandé)
Ce que vous saurez faire
- ✓ Préparer et transformer des données (nettoyage, normalisation, feature engineering) pour des modèles fiables
- ✓ Mettre en œuvre des algorithmes supervisés et non supervisés avec Scikit-learn
- ✓ Évaluer la performance des modèles avec des métriques adaptées (accuracy, F1-score, ROC)
- ✓ Interpréter les résultats des modèles avec des outils comme SHAP et LIME
- ✓ Identifier les biais et intégrer des pratiques éthiques dans les projets de Machine Learning
Contenu de la formation
1 Introduction au Data Mining
- Définition et enjeux
- Cycle de vie d'un projet Data Mining
- Nettoyage, transformation, normalisation
- Feature engineering
- Atelier 1 : Préparation d'un jeu de données réel
2 Algorithmes de Machine Learning
- Régression linéaire, régression logistique
- Arbres de décision, Random Forest
- K-means, PCA, clustering hiérarchique
- Atelier 2 : Classification d'un jeu de données avec Scikit-learn
3 Évaluation et interprétation
- Accuracy, precision, recall, F1-score
- Courbes ROC, matrice de confusion
- SHAP, LIME
- Éthique et biais algorithmiques
- Atelier 3 : Optimisation et interprétation d'un modèle prédictif
📌 Informations pratiques
Nos formations sont offertes à Montréal ou Québec, en présentiel ou en classe virtuelle. Les dates et lieux sont précisés lors de votre choix de session ci-dessous. Si vous avez des questions, consultez notre FAQ.
