Introduction au Machine learning
Objectifs
Cette formation vous permettra d’acquérir les compétences clés du Machine Learning et ainsi être en mesure d’obtenir des informations utiles pour prendre de meilleures décisions.
Pre-requis
Avoir connaissance de l’utilité du Data Mining en rapport avec les problématiques Big Data Comprendre l’intérêt de ces concepts pour l’aide à la décision et le ciblage économique
Public visé
Tous les professionnels qui aspirent à faire carrière dans l’analyse commerciale en utilisant le langage R dans l’exploration de texte et l’apprentissage automatique peuvent choisir ce cours.
Programme
Module 1 : INTRODUCTION AU DATA MINING ET CONCEPTS GÉNÉRAUX
- Les défis des grands ensembles de données
- Le Data Mining parmi l’IA, l’apprentissage automatique et l’apprentissage profond.
- Comparaison pilotée par les cas d’utilisation de Data Mining, ML et DL
- Apprentissages automatisés : supervisé, non supervisé et méta-apprentissage
- Ingénierie de la décision et analyse procédurale hiérarchique
- Algorithme de Lloy Shaply et chaîne de Markov
- Echantillonnage
Module 2 : DATA MINING AVEC R
- Installer R et R Studio
- Création d’objets, de tableaux et de trames de données dans R
- Utilisation de la structure, dimensions, chargement de fichiers CSv et packages
- Manipuler les données avec R
- Chargement et combinaison de vecteurs
- Retravailler les données : échanges, tris, conversions, usage des commandes sub, gsub, regexpr, gregexpr, apply, lapply, sapply
- Visualisation de données, usage des commandes plot, lines, boxplot, stars, barplot, pie, hist, rug, sunflowerplot, tabplot, ggplot2, maptools.
- Validation du modèle et interprétation
- Analyse de régression
Module 3 : MACHINE LEARNING
- Apprentissages supervisés et non supervisé
- Régression linéaire multiple
- Algorithmes de classification
- Arbres de décision et classifieur naïf de Bayes
- K-voisins les plus proches (K-NN)
- Règles de regroupement et systèmes de recommandation
- Analyse de réseau
- Analyse de cluster : hiérarchique et K-means
- Régression logistique
- SVM Support Vector Machines (SVM)
- Les réseaux de neurones
Module 4 : TEXT MINING
- Introduction aux concepts de Text Mining
- Analyse de sentiment
- Nuage de mots positifs et négatifs
- Théorie derrière la régression avancée
- Régression avancée avec R
- Analyses d’audience Internet : théorie sous-jacente aux Web Analytics
Module 5 : BIG DATA
- Data Mining et Machine Learning en Big Data Analytics
- Gérer de gros volumes de données
Modalités de déroulement
Formation présentielle ou distancielle dispensée par un formateur expérimenté. La formation alterne des exposés théoriques, des démonstrations et la mise en pratique au travers d'exercices et de cas concrets.Méthode et moyens mobilisés
Evaluation des acquis tout au long de la formation à travers des Tps, des Quizz ;
Evaluation de satisfaction de fin de formation ;
Attestation de fin de formation précisant les modules acquis et en cours d’acquisition ;
Support de cours remis en fin de session.Modalités d'accès
Vous pouvez vous inscrire pour suivre une de nos formations jusqu'à la veille de la date de démarrage si la formation est financée directement par votre entreprise ET si le nombre maximum de participants n'est pas atteint. Si la formation est financée via un OPCO, vous devez au préalable avoir obtenu un accord de ce dernierAccessibilité aux personnes en situation de handicap
Nos locaux sont accessibles aux Personnes à Mobilité Réduite PMR. De plus, nos conseillers sont disponibles pour vous accompagner dans vos démarches à travers nos partenaires. Nous sommes en mesure de mobiliser les expertises, les outils nécessaires pour vous accueillir, vous accompagner et vous former.