Catalogue Demos 2020

180 / 580

178 2020 - - Renseignements et inscriptions : 09 88 66 10 00 /
Programme
Domaine des Data Sciences
Introduction
Métiers et domaines d’application
Préparation des données
Outils de Business Intelligence (BI)
SQL pour les Data Sciences
Les différences phases ETL
. lecture, Transformation, Chargement
. les différents types d’erreurs
. analyse et gestion des erreurs
Visualisation des données
Introduction et problématique
Présentation et Mise en oeuvre de Tableau
Présentation du Data Mining et mise en oeuvre
avec Tableau
Data Mining avancé et mise en oeuvre avec
Tableau
Machine Learning - Apprentissage supervisé
Modèles de régression
. présentation
. régression linéaire simple : présentation et mise
en oeuvre
. régression linéaire multiple : présentation et mise
en oeuvre
. régression polynomiale : présentation et mise
en oeuvre
. les autres modèles : Support Vector Regression
(SVR), Decision Tree Regression, Random Forest
Regression
Modèles de classification
. présentation
. régression logistique : présentation et mise en
oeuvre
. SVM (Support Machine Vector) : présentation et
mise en oeuvre
. les autres modèles : K-Nearest Neighbors (K-NN),
Naive Bayes, Decision Tree Classification, Random
Forest Classification
Machine Learning - Apprentissage non
supervisé (Clustering)
Présentation
K-Means : présentation et mise en oeuvre
Hierarchical Clustering : présentation et mise en
oeuvre
Évaluation des modèles
La validation croisée
Choix de la métrique de performance (P)
. pour les problèmes de régression
. pour les problèmes de classification
Synthèse et bilan
ELABORATION DE SOLUTIONS DATA SCIENCE
IIA10
2880 € HT
(repas offert)
4 Jours (28h)
À Paris :
9 au 12 mars
4 au 7 mai
6 au 9 juil.
5 au 8 oct.
14 au 17 déc.
Objectifs
ÉlaborerdessolutionsDataScience•Déterminer
lapréparationet lenettoyagedesdonnées•
E ectuerdesanalysesprédictives•Gérerettirerdes
opportunitésmétieràpartirdes informationsgrâce
à lavisualisationdesdonnéesetdesrésultats
Participants
Décideur, manager, ingénieur, analyste, concepteur,
toute personne intéressée par les Data Sciences,
la création de modèles de Machine Learning, les
phases de préparation et visualisation des données,
la transformation numérique 4.0 des entreprises
Les +
Afin d’en faciliter la compréhension et lamise en
oeuvre, nous présentons de façon intuitive les
principaux modèles des « Data Sciences ». Nous
détaillons pour chaquemodèle, en nous appuyant sur
des cas d’étude dumonde réel, les bonnes pratiques
à adopter pour élaborer lameilleure solution « Data
Science » dans le but de la création de valeur dans les
activités métier des entreprises.Pour situer la différence
entre le domaine des Data Sciences et les domaines
du «Machine Learning» et du «Deep Learning», le
domaine des Data Sciences couvre et encadre les
deux autres domaines par deux grandes étapes :
1. La phase de préparation des données
2. La phase de visualisation des données et des résultats
Pré-requis
Mathématique niveau lycée
Votre parcours
Avant : ITM118
Après : IIA14
Dates actualisées et programmation régionale disponibles sur
Programme
Le domaine de l’intelligence arti cielle
La place du deep learning en intelligence
arti cielle
Les réseaux de neurones arti ciels
Présentation
Développement et mise en oeuvre
Évaluation et ajustement
Les réseaux de neurones à convolution
Présentation
Développement et mise en oeuvre
Évaluation et ajustement
Les réseaux de neurones récurrents
Présentation
Développement et mise en oeuvre
Évaluation et ajustement
Self-Organizing Maps
Présentation
Développement et mise en oeuvre
Boltzmann Machines
Présentation
Développement et mise en oeuvre
Auto-Encoders
Présentation
Développement et mise en oeuvre
Apprentissage par renforcement
Présentation
Développement et mise en oeuvre
Bilan et Synthèse
ELABORATION DE SOLUTIONS DEEP LEARNING
IIA14
2880 € HT
(repas offert)
4 Jours (28h)
À Paris :
6 au 9 avr.
22 au 25 juin
14 au 17 sept.
23 au 26 nov.
Objectifs
Avoir une bonne connaissance du Deep
Learning • Implémenter des modèles de Deep
Learning en Python • E ectuer des analyses
profondes • Gérer et tirer des opportunités
métier à partir des données grâce au Deep
Learning
Participants
Ingénieur, analyste, concepteur, décideur,
manager, toute personne intéressée par les
modèles du Deep Learning, la mise en pratique du
Deep Learning, les opportunités métier du Deep
Learning, la transformation numérique 4.0 des
entreprises
Les +
Pour chaque modèle, des cas d’étude du monde
réel sont mis en oeuvre et développés avec les
stagiaires afin d’acquérir les bonnes pratiques à
adopter pour élaborer la meilleure solution « Deep
Learning » dans le but de la création de valeur
dans les activités métier des entreprises
Pré-requis
Mathématique niveau lycée
Votre parcours
Avant : IIA10, IIA12
Dates actualisées et programmation régionale disponibles sur