Machine Learning appliqué

Cette formation de trois jours vous permet de découvrir et maîtriser les principales techniques de machine learning appliquées à des cas d’usage concrets. Vous apprendrez à préparer vos données, à entraîner et évaluer des modèles de régression, classification et clustering, puis à optimiser vos workflows avec scikit-learn.

Objectifs pédagogiques :

• Comprendre le cycle de vie d’un projet ML : collecte, préparation, modélisation et évaluation.
• Mettre en œuvre des algorithmes de régression supervisée (régression linéaire, régression logistique).
• Appliquer des méthodes de classification (arbres de décision, RandomForest, SVM) et évaluer leur performance.
• Découvrir le clustering et la réduction de dimension (K-Means, PCA).
• Assembler des pipelines scikit-learn pour automatiser les traitements et la validation croisée.

Public concerné :
Analystes de données, data scientists débutants et toute personne souhaitant se former aux fondamentaux du machine learning.

Durée :
3 jours (9h–12h30 et 13h30–17h).

Nombre de participants :
Maximum 12 personnes.

Pré-requis :
Connaissance de base en Python et manipulation de données avec pandas.

Programme :

Jour 1 : Préparation des données et régression

• Introduction à scikit-learn et au workflow ML.
• Nettoyage, transformation et feature engineering.
• Implémentation d’une régression linéaire et logistique.
• Atelier : évaluer et interpréter les résultats.

Jour 2 : Classification et clustering

• Arbres de décision et RandomForest : principe et mise en œuvre.
• SVM et métriques d’évaluation.
• Clustering : algorithme K-Means et analyse de clusters.
• Atelier : segmentation de données et interprétation.

Jour 3 : Pipelines et optimisation

• Création de pipelines scikit-learn et utilisation de ColumnTransformer.
• Validation croisée, GridSearchCV et RandomizedSearchCV.
• Réduction de dimension avec PCA.
• Atelier final : construction d’un workflow complet et tuning des hyperparamètres.

Tarif :

• Inter-entreprises : 1 800 € HT par participant
• Intra-entreprise : sur devis selon vos besoins

Méthodes mobilisées :

• Apports théoriques et démonstrations
• Ateliers pratiques guidés
• Mini-projet d’application

Évaluation :

• Quiz de positionnement et de validation
• Revue du mini-projet et feedback personnalisé

Accessibilité :
Nos sessions sont accessibles aux personnes en situation de handicap. Merci de contacter accessibility@eurekia-learning.com pour adapter les modalités.

Contacts :

• Référent qualité : Jihane Khouzaimi (06 69 53 77 75 – contact@eurekia-learning.com)
• Référent pédagogique : Hatim Khouzaimi

Remarque :
Cette formation vous permettra de mettre en œuvre des solutions ML fiables et reproductibles dans vos projets métiers.