Programme :

Cette formation est composée de six modules dont l'objectif est d'assimiler les notions du Machine Learning et de bien maitriser les différentes approches. Ces modules sont donnés comme suit:

Module 1 : Introduction à la Data Science, Machine Learning et Intelligence Artificielle.

Module 2 : Catégorisation des techniques et algorithmes d’apprentissage

Module 3 : Le Clustering

Module 4 : La Classification

Module 5 : La Regression

Module 6 : Les systèmes de recommandation

Au cours de cette formation, les LABS suivants seront traités:

TP 1: Web scrapping avec Python

TP 2: Création d'un chatbot avec Python

TP 3: Les arbres de décision (Decision Trees)

TP 4: Randomized Search pour le Hyperparameter Tuning

TP 5: Grid Search pour le hyperparameter Tuning

TP 6: La regression linéaire

TP 7: La cross validation

TP 8: L'algorithme K-Nearest Neighbors (KNN)

TP 9: L'algorithme Iterative Dichotomiser (ID3)

TP 10: La regression logistique

TP 11: Le Support Vector Machine (SVM)

TP 12: L'algorithme des k-moyennes (k-means)

TP 13: La segmentation hierarchique

TP 14: L'algorithme DBSCAN

TP 15: Content based recommender systems

TP 16: Collaborative filtering recommender systems

Pré-requis :

Pour suivre cette formation, les participants doivent avoir un minimum de connaissance dans:

• La programmation avec Python: les structures de données, la syntaxe du langage, les fonctions.
• Connaissance basique d’algèbre et de calcul.

Objectifs :

A l’issue de la formation « Machine Learning », les apprenants auront les capacités de :

• Comprendre le rôle stratégique pour l'entreprise de la valeur des données et d l'information.
• Développer des techniques de collecte et d'analyse de données et d'information.
• Maitriser l'écosystème technologique nécessaire pour réaliser un projet d'analyses de données.
• Acquérir les bases du Machine Learning
• Apprendre à créer les modèles et les mettre en production
• Formaliser son problème de Machine Learning
• Apprendre à Manipuler les données
• Apprendre à construire des modèles prédictifs
• Implémenter ces modèles pour une utilisation en production
• Evaluer la performance de vos modèles.

Déroulement :

• La formation sera tenue pendant six (06) jours à raison de 5 Heures par jour.
• Les séances seront organisées pendant les weekends, Samedi et Dimanche.
• Il est aussi possible de planifier des sessions de formation en ligne.
• La séance commencera à 09H du matin et se termine à 15H avec une pause d'une heure de 12H à 13H.

Evaluation des acquis

L'évaluation des acquis au cours de cette formation se fera au fur et à mesure au cours de la séance. Des ateliers, des labs et des cas de modélisation d'algorithme de Machine Learning sont prévus en utilisant Python. Il n'est pas programmé d'effectuer des tests ou des examens d'évaluation à cet effet, cependant, il est possible de traiter quelques exercices sous formes de QCM ou de cas réels selon la demande des participants.

Les outils :

Au cours de cette session les participant auront à manipuler les outils suivant:

• Python en tant que langage de programmation pour le Machine Learning.
• Anaconda
• Jupyter
• Spider (selon les préférences des participants)
• Les bibliothèques du Machine Learning

Public cible :

La formation certifiante « Machine Learning », s’adresse à tout public dont les professionnels, demandeur d’emploi ou en reconversion professionnelle et souhaitant acquérir des compétences en Data Science, notamment:

• Président, Directeurs Généraux, CEO d'entreprises,
• Directeurs et Responsables R&D, Directeurs marketing,
• Directeurs et Responsables Innovation, Directeurs des Systèmes d'informations
• Directeurs de la stratégie, Directeurs et Responsables Industriel,
• Les Chercheurs, doctorants,
• Les étudiants