04 76 41 14 20
Contactez-nous
Menu

Formations informatiques à Grenoble et Sophia Antipolis

Cursus

Etat de l'art du Machine Learning et du Deep Learning avec PythonCréer des modèles IA avec Python : ML & Deep LearningPython calculatoire : la base invisible de l’intelligence artificielleData to Model : IA structurée avec Scikit-Learn et Python scientifiqueDéployer un LLM en local dans l'entrepriseRAG et Fine Tuning d'un LLMIA générative & développement : Intégrer les API OpenAI / Claude / GeminiSécurité des systèmes IA & cybersécuritéDéployer et utiliser un modèle open source type Mistral (niveau technique)

Formation Data to Model : IA structurée avec Scikit-Learn et Python scientifique

Durée : 2 jours

Objectifs

Maîtriser les fonctionnalités et l’intégration avec Numpy et Scipy.

Charger, pré-traiter, standardiser, transformer et discrétiser les données.

Utiliser les modèles linéaires, quadratiques, les arbres décisionnels, les méthodes d’ensembles et les réseaux de neurones.

Estimer la performance des modèles, modifier les hyper-paramètres et utiliser les courbes d’évaluation pour des applications pratiques.

Pré-requis

Connaissance de python et d'une bibliothèque de calcul telle que Numpy ou Pandas.

Participants

Chef de projets, data-scientist souhaitant comprendre le fonctionnement de Scikit-Learn.

Programme de formation

Data to Model : IA structurée avec Scikit-Learn et Python scientifique

Présentation

  1. Historique

  2. Fonctionnalités

  3. Lien avec Numpy et Scipy

Manipulation de données

  1. Chargement de données

  2. Pré-traitement de données

    • Standardisation
    • Transformations non linéaires
    • Discrétisation

  3. Génération de données

Analyse des données et classification

  1. Modèles

    • Linéaires
    • Quadratiques
    • Descente de gradient

  2. Arbres décisionnels et méthodes d'ensembles

  3. Recherche de clusters

    • Modélisations
    • Algorithmes
    • Méthodes d'évaluation

  4. Réseaux de neurones

Modèles d'apprentissage

  1. Chargement et enregistrement

  2. Génération de modèles

  3. Estimation de la performance d'un modèle

  4. Mesures de performance

  5. Modification des hyper-paramètres

  6. Application pratique avec les courbes d'évaluations

intra sur-mesure
Durée
2 jours
Lieux
Meylan Moirans Sophia Dans vos locaux Classe distancielle
Groupe de 8 personnes maximum
Demandez un devis
Cette thématique vous intéresse ?
Nos experts conçoivent votre formation sur-mesure On adore les moutons à 5 pattes !
Demandez un devis
Formations dans la même thématique
Créer des modèles IA avec Python : ML & Deep Learning 5 jours Déployer et utiliser un modèle open source type Mistral (niveau technique) 2 jours Déployer un LLM en local dans l'entreprise 1 jour Etat de l'art du Machine Learning et du Deep Learning avec Python 1 jour IA générative & développement : Intégrer les API OpenAI / Claude / Gemini 2 jours Python calculatoire : la base invisible de l’intelligence artificielle 3 jours Sécurité des systèmes IA & cybersécurité 2 jours