Data Science et machine Learning - Les fondamentaux

Objectifs

Cette formation Data Science et Machine Learning, les fondamentaux vous permettra de :

• Savoir reconnaître une problématique business qui profiterait de l'apport de la data science


• Mettre en place une gouvernance projet dédié


• Choisir les bons outils en fonction de la problématique

Syllabus

CHAPITRE 1 : data science et data mining

 

• Introduction au data mining


• Différence entre data science, data mining, machine learning


• Les principales méthodes en data science :




• Le data mining : régression, arbre de decision, k-means


• Le SVM,


• Le machine learning : boosting et bagging, gradient boosting, random forest, xgboost.


• Introduction au deep learning : principes des réseaux de neurone, algorithme de Kohonen, le perceptron multicouche.

 

 

CHAPITRE 2 : principe du big data

 

• L'architecture distribuée


• Principe d'un cluster Hadoop : map reduce, Yarn, HDFS,


• Présentation de Spark

CHAPITRE 3 : Overview des principaux outils

 

• R, Python


• Les solutions payantes : SAS, Dataiku, Spark avec pyspark, les solutions Cloud (zoom sur AWS).

CHAPITRE 4 : Présentation d'un use case en Python (le code sera fourni en format Jupyter).

 

• Construction du data frame d'études


• Présentation des résultats d'un arbre de décision, d'une forêt aléatoire, d'un xgboost et d'un perceptron multicouche.

Comment ?

Méthodes pédagogiques

1 poste et 1 support par stagiaire

8 à 10 stagiaires par salle

Remise d'une documentation pédagogique papier ou numérique pendant le stage

La formation est constituée d'apports théoriques, d'exercices pratiques, de réflexions et de retours d'expérience

Évaluation

Auto-évaluation des acquis par le stagiaire via un questionnaire en ligne

Attestation de fin de stage remise au stagiaire