• Notions sur l’apprentissage automatique ou ayant suivi la formation « Écosystème de l’Intelligence Artificielle ».
• Langage de programmation : Python, Java ou Javascript.
Objectif pédagogique
Avoir une vision des premiers outils, frameworks et librairies de développement pour des futurs Data Engineers.
Programme détaillé
Fondamentaux de la data analyse
Atelier : Nettoyage et analyse d’un jeu de données OpenData en vue d’appliquer un apprentissage des données
Objectif opérationnel : Appréhender la data analyse
Moyen d’évaluation : QCM
Machine learning
Atelier : Classification de texte en fonction du sentiment exprimé (Bags of words)
Objectif opérationnel : Comprendre les principes d’apprentissage
Moyen d’évaluation : QCM
Le Deep Learning
Atelier : Adaptation d’un CNN pour reconnaître plus finement des objets dans des images et utilisation de Keras avec Tensorflow
Objectif opérationnel : Appréhender le deep learning
Moyen d’évaluation : QCM
ML concepts avancés
Atelier : Utilisation d’un GAN pour créer des images inédites
Objectif opérationnel : Connaître les concepts avancés du Machine Learning
Moyen d’évaluation : QCM
Algorithmes : Choix et Paramétrage
Atelier : Utilisation des fonctionnalités de Scikit-learn pour le choix des features et le test des différents paramétrages
Objectif opérationnel : Savoir paramétrer les algorithmes et avoir une vision sur les outils de développement
Moyen d’évaluation : QCM