Training Data Analysis & Machine en e-learning
Formation Data Analysis & Machine Learning
- e-learning
- statistiques
Duration
Rate
Devenez un expert de la résolution de problèmes industriels
A l'issue de la formation Data Analusis & Machine Learning, vous serez capable de préparer correctement les données, appliquer des méthodes de statistiques descriptives, utiliser des outils de réduction de dimension comme l'ACP et UMAP et utiliser des algorithmes de modélisation pour extraire toutes les informations de vos données et prendre les bonnes décisions.
Our benefits
90%
21
100%
Objectives
- Connaître les principes et maîtriser l’utilisation des outils de Data Analysis et de Machine Learning dans un cadre industriel.
- La formation est fondée sur les outils disponibles dans le module Data Analysis d’Ellistat.
For whom
La formation e-learning est destinée aux cadres, ingénieurs amenés à prendre des analyses de données de production pour en tirer une compréhension nouvelle ou un modèle prédictif de comportement.
Prerequisites
- Bases de l’usage d’internet et d’un navigateur web
- Un titre de niveau II et/ou une première expérience professionnelle de 5 ans
- Des notions élémentaires sur la qualité, le management des processus
- Il n’est pas nécessaire d’être Green Belt Six Sigma ou Black Belt Six Sigma pour suivre cette formation
Duration
50 heures de cours et d’exercices. L’e-Learning est disponible 7j/7 24h/24 pendant 3 mois pour cette formation.
Teaching and technical resources
- 100% E-Learning training on a dedicated platform
- The teaching method proposed is media-based (voice, text, exercises), fun and multimodal, with tests at each lesson.
- Theoretical presentations
- Case studies
- PDF and Excel support documents available online
Teaching team
With over 30 years' experience, rich in teaching and practical experience, our industrial quality training organisation offers you a range of training and consultancy services to develop and improve your performance and know-how. All our consultants are Lean Six Sigma Master Black Belts and have at least 10 years' experience in applying Lean and Six Sigma tools in industrial environments.
Accessibility
Cette formation est accessible aux personnes en situation de handicap, merci de nous contacter pour les possibilités d’aménagement spécifiques. Nous mettrons tout en œuvre pour vous accueillir.
Programme
Situer le périmètre du Machine Learning et de l’analyse de données
- Comprendre les objectifs du machine Learning
- Situer le Machine Learning au regard de Big Datas, Intelligence Artificielle…
- Savoir cartographier les différents outils, régression, réduction de dimension, clustering, classification supervisé (S), non supervisé (NS)
- Comprendre ce que l’on peut faire et ne peut pas faire avec du Machine Learning
Préparer les données pour une analyse correcte
- Savoir préparer un plan de collecte de données
- Savoir faire un plan d’échantillonnage
- Savoir appliquer les principes de statistique descriptive sur les données (type de loi, calcul des statistiques moyennes, médiane écart type, kurtosis, skewness…)
- Savoir évaluer la présence de données aberrantes
Connaissance du principe : outils de réduction de dimension (NS)
- Connaître le principe de la réduction de dimension
- Connaître et mettre en œuvre les outils ACP, UMAP, TSNE
- L’analyse en composantes principales
- Analyse factorielle des correspondances
- Analyse des correspondances multiples
- Connaître et mettre en œuvre une carte T2
Classification non supervisée
- Connaissance du principe : les outils de classification non supervisé (NS)
- Classification hiérarchique : Dendrogramme, Variables, Individus
- Connaître le principes des algorithmes K means, DBSCAN, Mean Shift
Apprentissage supervisé, Y continu
- Connaître le principe et savoir mettre en œuvre les outils : régression linéaire, régression linéaire multiple
- Connaître le principe des réseaux de neurones, savoir les mettre en œuvre sur cas simple
Apprentissage supervisé, Y discret
- Régression logistique
- Régression logistique ordinale
- Classification supervisé SVM
- KNN et arbre de décision
Métrique d’un classifieur
- Courbe ROC et maîtrise de confusion
- Métriques simples d’un classifieur
- Métriques combinées
- Intervalle de confiance sur les métriques
Mettre en pratique les outils de Machine Learning
- Maîtriser l’utilisation du module Data Analysis d’Ellistat pour la mise en œuvre de tous les points du programme
Your feedback
Un mode learning
- E-LearningSelf-paced learning1330€
- 50h de cours en e-learning
- Online support