Formation Machine learning : implémentation en Python
Public : Développeurs Python, Data Scientists, Managers de projets
Durée : 5 jour(s)
Syllabus de la formation Machine learning : implémentation en Python
Pré-requis : Maîtrise des bases du langage Python
Objectifs : Comprendre et choisir une méthode d'apprentissage automatique - Acquérir les bases du Machine Learning avec Python
Sanction : Attestation de fin de formation mentionnant le résultat des acquis
Référence : INT101603-F
Accessibilité : Si vous êtes en situation de handicap, nous sommes en mesure de vous accueillir, n'hésitez pas à nous contacter à referenthandicap@dawan.fr, nous étudierons ensemble vos besoins
Contact : commercial@dawan.fr
3 475,00 € HT
Tarif plein :
- Paiement à 60 jours
- Report possible à J-3
- 3 tickets d'assistance
Programme de Formation Machine learning : implémentation en Python
Comprendre l'apprentissage automatique (Machine Learning)
Machine Learning : définition, contextes d'utilisation, phases (apprentissage, mise en production)
Enjeux et limites
Approches mathématiques et statistiques
Application et types de données : graphes, arbres, courbes, vecteurs de caractéristiques Qualification de la phase d'apprentissage : classification, régression, renforcement, non supervision
Panorama d'algorithmes : régressions (linéaire ou logistique), machines à vecteurs, réseaux de neurones, k plus proches voisins (KNN), boosting,...
Facteurs de pertinence et d'efficacité : nombre d'exemples, qualité des attributs, pourcentage des données renseignées ou manquantes, bruit
Organiser un projet d'apprentissage
Défintion du problème
Acquisition des données
Analyse et exploration des données
Préparation et nettoyage des données
Extraction de caractéristiques
Choix ou construction du modèle d'apprentissage
Entrainement, évaluation et optimisation
Test et vérification de surapprentissage Déploiement
Découvrir des bibliothèques Python
NumPy : manipulation de matrices et fonctions
Pandas : lecture et manipulation de données
Jupyter et ses Notebook : utilisation de cahiers électroniques
Implémenter des algorithmes d'apprentissage sur des données
Présentation d'une base de données
Régression linéaire (simple ou multiple) : étude, import, création et application d'un modèle, évaluation
Régression logistique : packages, création et application d'un modèle, évaluation et matrice de confusion
K plus proches voisins (KNN) : packages Python, Application et évaluation, amélioration
Support Vector Machine (SVM) : principe, découverte de la base de données, application et évaluation
Analyse en composante principale (PCA) : principe, création du modèle et visualisation des données en 2D
Decision Tree : principe, préparation des données, création du modèle et visualisation de l'arbre de décision
Random Forest : principe, implémentation en Python
Evaluer les modèles implémentés
Ré-échantillonnage
Représentativité des données d'apprentissage Interprétation de la matrice de confusion Sensibilité et spécificité d'un test : Receiver Operating Characteristic (ROC) et Area under the ROC Curve (AUC)
Délai d'accès :
Le délai d’accès à la formation certifiante est de 7 jours après validation du dossier. Dans le cas d’un financement via votre CPF, la validation de votre dossier devra être réalisée 11 jours ouvrés avant le début de formation. Hors certification CPF, délais d'accès de une à trois semaines en fonction des sessions ouvertes.
Méthodes mobilisées :
- Un formateur expert ayant suivi une formation à la pédagogie et ayant au minimum 3 année d'expériences dans le domaine visé
- Matériel pour les formations présentielles informatiques : un PC par participant
- Un support et les exercices du cours pour chaque stagiaire
- Synchrone en présentiel ou distanciel. Plateforme utilisée : Microsoft Teams. Pour le distanciel : diagnostic technique avec les stagiaires pour tester la connexion et les modalités pratiques.
- Méthodologie basée sur l'Active Learning (75% de pratique minimum) et un programme pédagogique riche et interactif :
- Expositive : Apport de contenu théorique structuré pour consolider vos connaissances.
- Interrogative : Moments de réflexion pour questionner et approfondir vos pratiques.
- Démonstrative : Exercices pratiques pour illustrer les concepts clés.
- Active : Ateliers d'entraînement pour une mise en application immédiate.
- Expérimentale : Études de cas concrets pour ancrer les apprentissages dans la réalité.
- Collaborative : Espaces de partage et d'échange d'expériences pour enrichir la formation.
- Un format conçu pour favoriser l'engagement, la pratique et l'impact durable dans vos activités professionnelles.
Un espace apprenant dédié moncompte.dawan.fr pour :
- Informations relatives à la ou aux futures formations (plan, syllabus et éventuellement informations relatives à la certification)
- Positionnement à l'entrée et à la sortie de la formation
- Définition des besoins et attentes par l'apprenant en amont de la formation
- Émargement en ligne
- Évaluation à chaud
- Évaluation à froid
- Attestation de formation
- Boissons offertes pendant les pauses en inter-entreprises
- Salles lumineuses et locaux facilement accessibles
- Certification CPF quand formation éligible
Suite de parcours et formations associées
Pour suivre une session à distance depuis l'un de nos centres, contactez-nous.
| Lieu | Date | Remisé | Actions |
|---|---|---|---|
| Bruxelles | Du 30/03/2026 au 03/04/2026 | S'inscrire | |
| Bruxelles | Du 03/08/2026 au 07/08/2026 | S'inscrire | |
| Bruxelles | Du 26/10/2026 au 30/10/2026 | S'inscrire | |
| Distance | Du 30/03/2026 au 03/04/2026 | S'inscrire | |
| Distance | Du 15/06/2026 au 19/06/2026 | S'inscrire | |
| Distance | Du 03/08/2026 au 07/08/2026 | S'inscrire | |
| Distance | Du 26/10/2026 au 30/10/2026 | S'inscrire | |
| Luxembourg | Du 30/03/2026 au 03/04/2026 | S'inscrire | |
| Luxembourg | Du 03/08/2026 au 07/08/2026 | S'inscrire | |
| Luxembourg | Du 26/10/2026 au 30/10/2026 | S'inscrire |