Comprendre le machine learning avec Python
3 jours (21h00)
|
1250 € H.T.
|
1500 € T.T.C.
9h00 à 12h30 – 13h30 à 17h00
|
|
Comprendre le fonctionnement de l’ia dans le cadre du Machine Learning supervisé , afin de pouvoir créer un simple modèle de MLsupervisé.
– Questionnaire d’évaluation en début et en fin de formation
– Cas pratiques et études de cas, Quiz
– Horaires : 9h00 à 12h30 – 13h30 à 17h00
– Nombre maximum de stagiaires : 8
– Formation disponible à distance ou en présentiel
– Méthode interactive et intuitive
– Support de formation remis aux participants
– Assistance Technique et Pédagogique
– Attestation de fin de stage
– Questionnaire de fin de formation
1.Situer le Machine learning au sein de l’ia
-Une simple parabole, un exemple concret
-L’objectif du ML
2.Les outils nécessaires au ML
-Les mathématiques, les statistiques, le langage Python
3.L’intelligence artificielle
-Les différents types, le raisonnement
-Heuristique de décisions, l’incertitude
4.Présentation d’un cas pratique
-Données, informations, savoir, compréhension, sagesse
5.Lelangage Python
-Pourquoi Python, les outils du code Python
-Les librairies indispensables, les variables
-Les listes, les tuples, des dictionnaires, les conditions
-Les fonctions, les boucles, liaisons avec Excel
-Les histogrammes, les boîtes à moustaches, la Boxplot
6.les statistiques fondamentales descriptives
-Moyenne, médiane, écart type, variance
-Quartiles, IQR , minimum et maximum
-Valeurs aberrantes
7.Statistiques analyse univariée
-Définition, étude d’un cas avec Python
-Graphiques associés, les valeurs aberrantes
La Boxplot, variables catégorielles
8.Statistique multi variée
-Définition, étude d’un cas
-Le nuage de points, la corrélation, relation entre 2 variables
-Densité de points en 2D, tableau de contingence
-Exploration entre variable qualitative & quantitative
9.Les statistiques inférentielles
Définition, population, échantillon, étude d’un cas
10.Fonction de répartition empirique d’une variables
Etude de cas ( iris ), densité de probabilité, la loi normale, étude d’une probabilité, exemple pile face
Exemple des dés
11.Algèbre linéaire pour le ML
-Matrice & vecteur, exemple concret
-Numpy, dimension d’une matrice
-Produit matriciel, cas d’utilisation avec Excel
-Transposée d’une matrice
12.Librairie Numpy
-Définition, exemples, les dimensions, linspace, arange
-shape, hstack, vstack, concatenate, axis ( 0 & 1 )
-Navigation, boolean indexing, ndarray, nan
13.Matplotlib
-Présentation, méthode simple, méthode OO
-Graphiques simples, graphiques complexes
14.Introduction au ML
-ML supervisé, présentation, programme classique
-Programme ML, utilité du ML
-Dataset, target, fonctionnement, projet iris
-Classification, régressions
-KNN, algorithmes associés au ML
-Les modèles, étude avec sklearn
-Théorie mathématique du ML, les équations expliquées
-La descente de gradient
-Etude avec approche mathématique
-Version descente de gradient
-Version avec calcul matriciel
-Version avec fichier Excel
Aucune formation liée.
Comprendre le fonctionnement de l’ia dans le cadre du Machine Learning supervisé , afin de pouvoir créer un simple modèle de MLsupervisé.
Vous souhaitez cette formation dans vos locaux ? Formation dans vos locaux, chez nous ou à distance
Construisons ensemble votre formation sur mesure, adaptée à vos besoins et aux spécificités de votre entreprise ?
– Questionnaire d’évaluation en début et en fin de formation
– Cas pratiques et études de cas, Quiz
– Horaires : 9h00 à 12h30 – 13h30 à 17h00
– Nombre maximum de stagiaires : 8
– Formation disponible à distance ou en présentiel
– Méthode interactive et intuitive
– Support de formation remis aux participants
– Assistance Technique et Pédagogique
– Attestation de fin de stage
– Questionnaire de fin de formation
1.Situer le Machine learning au sein de l’ia
-Une simple parabole, un exemple concret
-L’objectif du ML
2.Les outils nécessaires au ML
-Les mathématiques, les statistiques, le langage Python
3.L’intelligence artificielle
-Les différents types, le raisonnement
-Heuristique de décisions, l’incertitude
4.Présentation d’un cas pratique
-Données, informations, savoir, compréhension, sagesse
5.Lelangage Python
-Pourquoi Python, les outils du code Python
-Les librairies indispensables, les variables
-Les listes, les tuples, des dictionnaires, les conditions
-Les fonctions, les boucles, liaisons avec Excel
-Les histogrammes, les boîtes à moustaches, la Boxplot
6.les statistiques fondamentales descriptives
-Moyenne, médiane, écart type, variance
-Quartiles, IQR , minimum et maximum
-Valeurs aberrantes
7.Statistiques analyse univariée
-Définition, étude d’un cas avec Python
-Graphiques associés, les valeurs aberrantes
La Boxplot, variables catégorielles
8.Statistique multi variée
-Définition, étude d’un cas
-Le nuage de points, la corrélation, relation entre 2 variables
-Densité de points en 2D, tableau de contingence
-Exploration entre variable qualitative & quantitative
9.Les statistiques inférentielles
Définition, population, échantillon, étude d’un cas
10.Fonction de répartition empirique d’une variables
Etude de cas ( iris ), densité de probabilité, la loi normale, étude d’une probabilité, exemple pile face
Exemple des dés
11.Algèbre linéaire pour le ML
-Matrice & vecteur, exemple concret
-Numpy, dimension d’une matrice
-Produit matriciel, cas d’utilisation avec Excel
-Transposée d’une matrice
12.Librairie Numpy
-Définition, exemples, les dimensions, linspace, arange
-shape, hstack, vstack, concatenate, axis ( 0 & 1 )
-Navigation, boolean indexing, ndarray, nan
13.Matplotlib
-Présentation, méthode simple, méthode OO
-Graphiques simples, graphiques complexes
14.Introduction au ML
-ML supervisé, présentation, programme classique
-Programme ML, utilité du ML
-Dataset, target, fonctionnement, projet iris
-Classification, régressions
-KNN, algorithmes associés au ML
-Les modèles, étude avec sklearn
-Théorie mathématique du ML, les équations expliquées
-La descente de gradient
-Etude avec approche mathématique
-Version descente de gradient
-Version avec calcul matriciel
-Version avec fichier Excel
Vous souhaitez cette formation dans vos locaux ? Formation dans vos locaux, chez nous ou à distance
Construisons ensemble votre formation sur mesure, adaptée à vos besoins et aux spécificités de votre entreprise ?
Le TOSA est la référence dans le domaine de la certification des compétences informatiques et digitales. Les certifications TOSA délivrent un score sur 1000 reconnu par l’état que le candidat peut ajouter à son CV. Elles sont basées sur des méthodologies d’évaluation scientifiques.
| Intitulé | Certificateur | Numéro RS | Date d'expiration |
|---|---|---|---|
| TOSA DigComp® | ISOGRAD | RS6893 | 28/11/2027 |
| TOSA Concevoir des dessins techniques et des plans avec AutoCAD® | ISOGRAD | RS6955 | 18/12/2027 |
| TOSA Automatiser des processus dans les applications Microsoft Office avec VBA® | ISOGRAD | RS6963 | 18/12/2027 |
| TOSA Créer des illustrations vectorielles et des graphiques avec Illustrator® | ISOGRAD | RS6956 | 18/12/2027 |
| TOSA Concevoir des mises en page et des publications professionnelles avec InDesign® | ISOGRAD | RS6957 | 18/12/2027 |
| TOSA Créer et gérer des sites web avec WordPress® | ISOGRAD | RS6965 | 18/12/2027 |
| TOSA Programmer et automatiser des tâches avec Python® | ISOGRAD | RS6962 | 18/12/2027 |
| TOSA Développer des présentations visuelles et dynamiques avec PowerPoint® | ISOGRAD | RS6961 | 18/12/2027 |
| TOSA Gérer les courriels et la planification avec Outlook® | ISOGRAD | RS6958 | 18/12/2027 |
| TOSA Développer des bases de données relationnelles avec Access® | ISOGRAD | RS7096 | 28/03/2028 |
| TOSA Réaliser des retouches et des compositions d'images avec Photoshop® | ISOGRAD | RS6959 | 18/12/2027 |
| TOSA Rédiger et mettre en forme des documents professionnels avec Word® | ISOGRAD | RS6964 | 18/12/2027 |
| TOSA Utiliser les outils collaboratifs de Microsoft 365 pour améliorer la productivité® | ISOGRAD | RS6960 | 18/12/2027 |
| TOSA Visualiser, analyser et optimiser les données avec Power BI® | ISOGRAD | RS7373 | 27/11/2030 |
| TOSA Exploiter les fonctionnalités de Microsoft Excel pour la gestion et l'analyse des données® | ISOGRAD | RS7256 | 24/09/2028 |
Validez ou vérifiez vos compétences numériques et en bureautique avec la certification IDCL®
Anciennement connue sous le nom PCIE – Passeport de Compétences Informatique Européen, la certification ICDL est engagée dans la reconnaissance des compétences numériques depuis 1996.
Officialiser ses compétences, affirmer son expertise dans un domaine, développer son employabilité.
La certification online Sales success : Officialiser ses compétences, affirmer son expertise dans un domaine, développer son employabilité.
La certification s’adresse aux commerciaux sédentaires ou vacataires exerçant en indépendant ou en entreprise, aux dirigeants pour lesquels la vente n’est pas leur activité principale, souhaitant exploiter l’intelligence artificielle pour réaliser des gains de temps et d’efficacité dans son approche conseil auprès des prospects dans le cycle de vente.
La certification « Online Sales Success », s’adresse s’adresse aux commerciaux sédentaires ou vacataires exerçant en indépendant ou en entreprise, aux dirigeants pour lesquels la vente n’est pas leur activité principale, souhaitant exploiter l’intelligence artificielle pour réaliser des gains de temps et d’efficacité dans son approche conseil auprès des prospects dans le cycle de vente.
Taux de réussite à l’examen de certification pour Dolfi : en attente.
Identifier les situations professionnelles ou les activités professionnelles de l’acte de vente dans lesquelles l’IA apporte une plus-value afin de réaliser un gain de temps et d’efficacité dans le processus de vente.
Rédiger un questionnement auprès d’un logiciel d’IA afin d’obtenir une réponse pertinente et exploitable en s’adaptant à la plateforme et à l’objectif du questionnement.
Aucun logiciel assigné à cette formation.