Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Fondements de Machine Learning
- Introduction aux concepts et flux de travail Machine Learning
- Apprentissage supervisé ou non supervisé
- Évaluation des modèles d'apprentissage automatique : métriques et techniques
Méthodes bayésiennes
- Bayes naïf et modèles multinomiaux
- Analyse bayésienne des données catégorielles
- Modèles graphiques bayésiens
Techniques de régression
- Régression linéaire
- Régression logistique
- Modèles linéaires généralisés (GLM)
- Modèles mixtes et modèles additifs
Réduction de la dimensionnalité
- Analyse en composantes principales (ACP)
- Analyse factorielle (FA)
- Analyse en composantes indépendantes (ICA)
Méthodes de classification
- K-voisins les plus proches (KNN)
- Machines à vecteurs de support (SVM) pour la régression et la classification
- Boosting et modèles d'ensemble
Neural Networks
- Introduction aux réseaux neuronaux
- Applications de l'apprentissage profond à la classification et à la régression
- Entraînement et réglage des réseaux neuronaux
Algorithmes et modèles avancés
- Modèles de Markov cachés (HMM)
- Modèles d'espace d'état
- Algorithme EM
Techniques de regroupement
- Introduction au clustering et à l'apprentissage non supervisé
- Algorithmes de regroupement populaires : K-Means, clustering hiérarchique
- Cas d'utilisation et applications pratiques du clustering
Résumé et prochaines étapes
Pré requis
- Compréhension de base des statistiques et de l'analyse des données
- Expérience de Programming dans R, Python ou d'autres langages de programmation pertinents
Public
- Scientifiques des données
- Statisticiens
14 Heures
Nos clients témoignent (3)
connaissances du formateur, adaptées sur mesure, tous les sujets abordés
eleni - EUAA
Formation - Forecasting with R
Traduction automatique
La variation avec l'exercice et la démonstration.
Ida Sjoberg - Swedish National Debt Office
Formation - Econometrics: Eviews and Risk Simulator
Traduction automatique
Les applications dans la vie réelle utilisant Statcan et le CER comme exemples.
Matthew - Natural Resources Canada
Formation - Data Analytics With R
Traduction automatique
