Formación Aprendizaje automático
Dominar las herramientas de aprendizaje automático en un contexto industrial.
Pida
Formation Machine Learning
- e-learning
- estadísticas
Duración
50h
Tarifa
1330 €Ht/pers
Devenez un expert de la résolution de problèmes industriels
La formation Machine Learning vous permettra de maîtriser l'utilisation des outils de Data Analysis et de Machine Learning dans un cadre industriel. Vous apprendrez à situer le Machine Learning dans le contexte de l'IA et du Big Data, et de comprendre les différents algorithmes (régression, réduction de dimension, classification supervisée et non suppervisée).
A l'issue de la formation 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.
Nuestras ventajas
La formation Machine Learning est animée et interactive. De nombreux exercices sur le logiciel Data Analysis d'Ellistat vous permettront de mettre en pratique la théorie. Les ressources et l’aide fournies par nos équipes faciliteront l’assimilation des notions complexes.
100%
Los alumnos, satisfechos con la formación sobre ellistat
21
cursos disponibles en
e-Learning o presencial
e-Learning o presencial
99%
de los alumnos recomiendan nuestros cursos
*De septiembre de 2021 a septiembre de 2024
Su opinión
Objetivos
- 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.
Para quién
La formation e-learning Machine 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.
Requisitos previos
- 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
Duración
50 heures de cours et d’exercices. L’accès au e-Learning est disponible 7j/7 24h/24 pendant 3 mois pour la formation Machine Learning.
Recursos didácticos y técnicos
- 100% Formación e-Learning en una plataforma específica
- Los métodos pedagógicos propuestos son mediáticos (voz, texto, ejercicios), lúdicos y multimodales, con pruebas en cada lección.
- Presentaciones teóricas
- Casos prácticos
- Documentos de apoyo en PDF y Excel disponibles en línea
Equipo docente
Con más de 30 años de experiencia, rica en enseñanza y experiencia práctica, nuestra organización de formación en calidad industrial le ofrece una gama de servicios de formación y consultoría para desarrollar y mejorar su rendimiento y conocimientos técnicos. Todos nuestros consultores son Lean Six Sigma Master Black Belts y tienen al menos 10 años de experiencia en la aplicación de herramientas Lean y Six Sigma en entornos industriales.
Accesibilidad
La formation Machine Learning 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.
Procedimientos de evaluación
- Hojas de asistencia.
- Preguntas orales o escritas (MCQs).
- Casos prácticos.
- Trabajo práctico
Programa
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
Un mode d'apprentissage
- E-learningAutoaprendizaje1330€
- 50h de cours en e-learning
- Asistencia en línea
