L'informatique de gestion classique a atteint ses limites aujourd'hui en terme d'innovation, d’où l’importance actuelle de l’informatique cognitive et la pertinence du machine learning. Permettre aux applications d'apprendre à reconnaître des motifs pour optimiser le traitement automatique et faciliter le travail humain, c'est ce que nous permets le machine learning. Cette formation vous guidera dans le monde du machine learning pour vous introduire au deep learning. Vous apprendrez comment faire apprendre la machine, et surtout comment mettre un apprentissage efficace et rentable.

  • Tarif sur demande.
  • Prochaine session : à la demande.
  • Formation accessible aux personnes en situation de handicap.
  • 70% de pratique et 30% de théorie en moyenne.
  • Nombreuses activités pratiques pour une évaluation constante.
  • Supports, exercices et corrections à disposition en ligne pendant et après la formation.
  • Délai d'accès minimum : 1 semaine.
  • Formation 100% distanciel (téléprésence).
  • Evaluation par le formateur à travers les activités pratiques.
  • Public Développeurs, Chef de projet
  • Prérequis algorithmie, connaître au moins un langage de programmation

Lors de cette formation, les participants suivent 1 jours de formation.

  • Introduction au machine learning
      Apprentissage : non supervisé, supervisé, renforcement, offline, semi-supervisé.Les besoins du machine learning.Que peut-on apprendre?Comment la machine apprends?Quand et comment mettre en place du machine learning dans une application?
  • Les arbres de décisions
      Principes de fonctionnement.Entropie de Shannon.Mise en pratique.Optimisations possibles en fonction des données.Avantages, inconvénients et coût des arbres de décisions.
  • Les réseaux de neurones et perceptrons
      Fonctionnement d'un neurone artificiel.Principes de fonctionnement d'un réseaux de neurones : couches, fonction de transfert, sigmoïde, heavyside, linéaire, ....Classification bi-classes et multi-classes.Différents algorithmes : Adaline, Adaboost, K-moyennes, bayésiens, PRank, …Avantages, inconvénients et coût des réseaux de neurones.Comparatif concret avec les arbres de décisions.
  • Les outils actuels
      Watson.Tensor Flot.Mise en pratique.Vers le deep learning
  • Introduction au deep learning.
      Quand faire appel au deep learning? Les risques et les avantages.