Introduction au Machine Learning

  • Court

L’apprentissage automatique, ou en anglais “Machine Learning”, est largement utilisé dans de nombreux métiers et secteurs d’activité (banque et assurance, marketing, commerce, télécoms, énergie…) pour traiter et valoriser les quantités importantes de données dont ils disposent. Le Machine Learning est également omniprésent dans notre quotidien (navigation sur internet, systèmes de recommandation, …). Ce module est une introduction au Machine Learning avec une présentation des différents types d’apprentissages (supervisé et non supervisé). Les algorithmes les plus classiques seront détaillés avec pour fil rouge un exemple concret utilisé sur l’ensemble du module. Vous découvrirez les idées principales cachées derrière ces algorithmes. Vous saurez comment les appliquer et interpréter leurs résultats pour en déduire des informations utiles.


  • Nous consulter

  • 2 jours (14 heures)

  • Formation mixte

  • Français

  • Personnes voulant découvrir ce qu’est le machine learning avec le souhait de réaliser des premières analyses simples

    • Bases en mathématiques (notions de variance, écart-type, algèbre linéaire…)
    • Première expérience de programmation (idéalement langage R)
    • Apporter son ordinateur portable pour les TD en salle


Présentation du programme

Programme

Contenu du programme

  • Introduction au Machine Learning
  • Méthodes non supervisées
  • Méthodes supervisées
  • Revue des différentes familles d’algorithmes
  • TD Machine Learning

Objectifs du programme

Découvrir ce qu’est le Machine Learning (apprentissage automatique), les grandes familles d’algorithmes et l’utilisation de quelques algorithmes / procédures classiques

Méthodes pédagogiques

La formation est proposée en blended-learning: une première partie à distance délivre les connaissances de bases nécessaires pour la seconde partie de travaux dirigés en présentiel.

Mode d'animation

Mise à disposition d’un LMS : eLearnX

Mode d'évaluation

Attestation de formation

Compétences acquises à l'issue de la formation

  • Identifier quel type d’algorithme est adéquat selon la problématique posée
  • Réaliser ses premières analyses sur des jeux de données préparés

Intervenants

Erwan SCORNET
Professeur adjoint en statistique et Machine Learning, Ecole polytechnique