Formation Machine Learning with Random Forest

À quoi ressembleront les villes à l'avenir? Comment utiliser Artificial Intelligence (AI) pour améliorer la planification urbaine? Comment l'IA peut-elle être utilisée pour rendre les villes plus efficaces, plus vivables, plus sûres et plus écologiques?

Dans cette formation en direct, animée par un instructeur (sur site ou à distance), nous examinons les différentes technologies qui composent l’IA, ainsi que les ensembles de compétences et le cadre mental nécessaires pour les utiliser pour la planification urbaine. Nous couvrons également les outils et les approches permettant de collecter et d’organiser des données pertinentes pour une utilisation en intelligence artificielle, notamment l’exploration de données.

Public

• Urbanistes
• Architectes
• Développeurs
• Fonctionnaires des transports

Format du cours

• Partie conférence, partie discussion et série d'exercices interactifs.

Remarque

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

L'intelligence artificielle est un ensemble de technologies permettant de créer des systèmes intelligents capables de comprendre les données et les activités associées à ces données afin de prendre des "décisions intelligentes". Pour les fournisseurs de services de télécommunication, la création d'applications et de services utilisant l'IA pourrait permettre d'améliorer les opérations et la maintenance dans des domaines tels que la maintenance et l'optimisation du réseau.

Dans ce cours, nous examinons les différentes technologies qui composent l’IA et les compétences requises pour les utiliser. Tout au long du cours, nous examinons les applications spécifiques d’AI dans l’industrie des télécommunications.

Public

• Ingénieurs de réseau
• Personnel d'exploitation du réseau
• Responsables techniques télécom

Format du cours

• Partie lecture, partie discussion, exercices pratiques

Ce cours a été conçu pour les managers, les architectes de solutions, les responsables de l'innovation, les directeurs techniques, les architectes logiciels et toute personne intéressée par une vue d'ensemble de l'intelligence artificielle appliquée et par les prévisions les plus proches concernant son développement.

L'algèbre linéaire est une branche des mathématiques qui traite des vecteurs, des matrices et des transformations linéaires. La connaissance de l'algèbre linéaire aide les ingénieurs et les développeurs à améliorer leurs capacités d'apprentissage machine. Comprendre les concepts de l'algèbre linéaire leur permet de mieux comprendre les principes qui sous-tendent les techniques d'apprentissage automatique et ainsi résoudre les problèmes plus rapidement.

Au cours de cette formation en direct animée par un instructeur, les participants apprendront les bases de l'algèbre linéaire au cours de la résolution d'un problème d'apprentissage automatique à l'aide de méthodes d'algèbre linéaire.

À la fin de cette formation, les participants seront en mesure de:

• Comprendre les concepts fondamentaux de l'algèbre linéaire
• Apprendre les compétences en algèbre linéaire nécessaires à l'apprentissage automatique
• Utilisez des structures et des concepts d'algèbre linéaire lorsque vous travaillez avec des données, des images, des algorithmes, etc.
• Résoudre un problème d'apprentissage machine en utilisant l'algèbre linéaire

Public

• Développeurs
• Ingénieurs

Format du cours

• Partie de conférence, partie de discussion, exercices et exercices intensifs

Remarque

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

Cette formation en direct avec instructeur (en ligne ou sur site) est destinée aux ingénieurs qui souhaitent utiliser la plateforme " drag-and-drop " d'Azure ML pour déployer des charges de travail Machine Learning sans avoir à acheter des logiciels et du matériel et sans avoir à se préoccuper de la maintenance et du déploiement.

A l'issue de cette formation, les participants seront capables de :

• Écrire des modèles d'apprentissage automatique très précis à l'aide de Python, R ou d'outils à code zéro.
Utilisez l'espace de travail interactif d'Azure pour développer des modèles de ML en collaboration.

Le réseau de neurones artificiels est un modèle de données informatique utilisé dans le développement de systèmes d' Artificial Intelligence (AI) capables d'effectuer des tâches "intelligentes". Neural Networks sont couramment utilisés dans les applications Machine Learning (ML), qui sont elles-mêmes une implémentation de l'IA. Deep Learning est un sous-ensemble de ML.

Il s'agit d'un cours de 4 jours présentant l'IA et ses applications. Il est possible de disposer d'une journée supplémentaire pour entreprendre un projet d'IA à la fin de ce cours.

C'est un cours de 4 jours introduisant l'IA et son application en utilisant le langage de programmation Python. Il y a une option d'avoir un jour supplémentaire pour mener un projet d'IA à la fin de ce cours. 

Ce cours de formation est destiné aux personnes souhaitant appliquer le Machine Learning à des applications pratiques.

Public

Ce cours est destiné aux scientifiques et aux statisticiens qui connaissent bien les statistiques et savent programmer R (ou Python ou une autre langue choisie). Ce cours met l'accent sur les aspects pratiques de la préparation, de l'exécution, de l'analyse et de la visualisation de modèles / données.

Le but est de donner des applications pratiques à Machine Learning aux participants souhaitant appliquer les méthodes au travail.

Des exemples sectoriels sont utilisés pour rendre la formation pertinente pour le public cible.

Cette formation en direct avec instructeur en <loc> ; (en ligne ou sur site) est destinée aux scientifiques des données et aux développeurs qui souhaitent créer et former des modèles d'apprentissage automatique pour les déployer dans des environnements d'hébergement prêts à la production.

A l'issue de cette formation, les participants seront capables de :

• Utiliser les instances du notebook pour préparer et télécharger les données pour l'entraînement.
• Entraîner des modèles d'apprentissage automatique à l'aide d'ensembles de données d'entraînement.
• Déployer les modèles formés vers un point de terminaison pour créer des prédictions.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux data scientists qui souhaitent utiliser Azure Machine Learning pour construire des modèles d'apprentissage automatique de bout en bout pour l'analyse prédictive.

A l'issue de cette formation, les participants seront capables de :

• Construisez des modèles d'apprentissage automatique sans aucune expérience en programmation.
• Créer des algorithmes prédictifs avec Azure Machine Learning.
• Déployer des algorithmes d'apprentissage automatique prêts pour la production.

Ce cours sera une combinaison de théorie et de travaux pratiques avec des exemples spécifiques utilisés tout au long de l'événement.

Cette formation en direct avec instructeur en <loc> ; (en ligne ou sur site) est destinée aux développeurs web qui souhaitent créer des modèles d'apprentissage automatique avec Core ML pour iOS 11 et le développement de macOS High Sierra.

A l'issue de cette formation, les participants seront capables de :

• Construire des applications pilotées par l'IA qui utilisent l'apprentissage automatique.
• Implémenter des modèles d'apprentissage automatique qui classifient les images.
• Utiliser l'API Core ML pour prendre en charge les flux de travail personnalisés et les cas d'utilisation avancés
• Analyser le texte en langage naturel avec des modèles d'apprentissage automatique.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux ingénieurs, data scientists et data analysts qui souhaitent utiliser Dataiku DSS pour le développement de pipelines d'apprentissage automatique, et tirer parti des processus d'IA pour générer des initiatives organisationnelles stratégiques.

A l'issue de cette formation, les participants seront capables de :

• Installer et configurer Dataiku DSS sur leur système d'exploitation préféré.
• Comprendre les concepts et les principes de l'IA/ML qui sont fondamentaux pour les fonctionnalités de Dataiku.
• Créer et implémenter leurs propres codes de visualisation de données dans les projets Dataiku DSS.
• Déployer des modèles et des pipelines de ML dans des environnements de production construits autour de Dataiku DSS.
• Optimiser l'agilité et la flexibilité des méthodes d'analyse de données de leurs applications d'entreprise.
• Utiliser Dataiku DSS pour sécuriser et gérer la façon dont les données circulent dans d'autres systèmes d'entreprise.