S'inscrire

Machine learning sous Python (3 jours)

Environnement scientifique et technique de la formation

Littoral, environnement, télédétection et géomatique - UMR 6554

RESPONSABLES

Alban THOMAS

Ingénieur d'études

UMR 6554

Romain TAVENARD

Maître de conférences

UMR 6554

LIEU

RENNES (35)

ORGANISATION

3 jours
De 5 à 15 stagiaires

Première journée optionnelle.
Prix pour la formule sur 2 jours : 1000 € (Réf. 20338, ce catalogue)

COÛT PÉDAGOGIQUE

1300 Euros

A L'ISSUE DE LA FORMATION

Evaluation de la formation par les stagiaires
Envoi d'une attestation de formation

DATE DU STAGE

20008 : du mercredi 24/06/2020 au vendredi 26/06/2020

Janvier Février Mars Avril
Mai Juin
20008
Juillet Août
Sept. Oct. Nov. Déc.

OBJECTIFS

- Savoir utiliser Python pour manipuler et traiter des données scientifiques
- Connaître les bases du machine learning et les bonnes pratiques pour éviter les écueils les plus courants de l'analyse de données
- Être capable de réaliser une prédiction basée sur le machine learning à partir de jeux de données

PUBLICS

Techniciens, ingénieurs, chercheurs

Afin d'adapter le contenu du stage aux attentes des stagiaires, un questionnaire téléchargeable ICI devra être complété et renvoyé au moment de l'inscription.

PRÉREQUIS

- Connaissances de base du langage Python et de la programmation
- Des notions en calcul matriciel sont un plus mais non indispensables.

Une formule sur deux jours est proposée aux stagiaires maîtrisant les librairies Numpy et Matplotlib (Réf. 20338, ce catalogue). Une connaissance des librairies Pandas et Seaborn est un plus mais non indispensable.

PROGRAMME

1er jour (en option) : manipulation des données avec Python
- Potentialités du machine learning (illustration avec le logiciel Mapping Learning, 1 h)
- Manipulation et visualisation des données scientifiques : avec Numpy et Matplotlib puis avec Pandas et Seaborn ( 4 h)
- Présentation de la librairie scikit-learn (1 h)
2ème jour : principes généraux du machine learning
- Définition d'un modèle et des paramètres
- Sélection de modèles
- Apprentissage
- Présentation des grandes familles de modèles de machine learning
3ème jour : applications du machine learning
- Prétraitements : ACP (Pipeline)
- Traitements : clustering, classification supervisée, régression
(au moins un exemple pour chaque)

- Utilisation de séries temporelles ou du deep learning

Il est proposé aux stagiaires de venir avec leur propre jeu de données qui seront étudiées durant les TP à des fins pédagogiques sous réserve de l'accord préalable du responsable de la formation.

Alternance de cours (50 % du temps) et de travaux pratiques et dirigés (50 % du temps)
TD encadrés par un intervenant pour 8 stagiaires maximum

EQUIPEMENT

Il est demandé aux stagiaires de venir avec leur propre ordinateur portable.

Choisir une formation

Choisir un autre domaine

+ d'infos