Data Scientist / Data Miner / Data Analyst &nbsp;Profil Data / BI / BigData &nbsp;Utilisateur de bases de données sachant coder

PUBLIC CONCERNÉ

Connaissances de base en statistiques et mathématiques &nbsp;Connaissances de base en traitement de fichiers et de données &nbsp;Connaissance de base en python

PRÉREQUIS

Alternance des modalités pédagogiques : exposé, démonstrations pratiques, échanges collectifs, quiz collectif, exercices pratiques et remise du support de formation. 50 % du temps global de la formation est dédié aux exercices.

MÉTHODES MOBILISÉES

Notre auto-évaluation permet d’apprécier les acquis apportés par l’action de formation.

MÉTHODES ÉVALUATION

<h2>OBJECTIFS &amp; COMPÉTENCES VISÉES</h2><ul><li>Comprendre les principes de l’apprentissage et les principaux algorithmes</li><li>Appliquer les étapes du processus d’apprentissage sur des cas réels sous Python (modèles prédictifs, réduction de dimension et clustering)</li><li>Connaître les bonnes pratiques et les conditions d’application selon les cas d’usage</li></ul>

<h2>PROGRAMME de la formation</h2><h3>MODULE 1 : FONDAMENTAUX</h3>&nbsp;<ul><li>Liens IA, Data Science, statistiques</li><li>Standards, vocabulaire</li><li>Librairie scikit-learn, comparaison avec R &nbsp;</li></ul><h3>MODULE 2 : L’APPRENTISSAGE</h3>&nbsp;<ul><li>Algorithmes : classification, régression, clustering, rules, anomaly, recommendation</li><li>Techniques : split, grid-search / cross validation, métriques, normalisation…</li><li>Fonction de perte, descente de gradient</li><li>Feature engineering : exemples sur les données textuelles, sparse matrix &nbsp;</li></ul><h3>MODULE 3 : APPRENTISSAGE SUPERVISÉ</h3>&nbsp;<ul><li>Algorithmes supervisés : régression pénalisée, randomforest, boosting</li><li>Applications de type analyse prédictive, score</li><li>Introduction au Deep Learning</li><li>TP : construction d’un modèle de prédiction du churn &nbsp;</li></ul><h3>MODULE 4 : APPRENTISSAGE NON SUPERVISÉ</h3>&nbsp;<ul><li>Analyse factorielle et réduction des dimensions</li><li>Techniques de clustering</li><li>Applications : clustering d’individus, réaffectation avec KNN</li><li>TP : construction d’un clustering et portraits robots</li></ul>

Afin de faciliter l'organisation et la flexibilité des formations, elles sont toutes dispensées à distance.

Nos formations sont en distanciel

Nous délivrons habituellement cette formation au format Inter-entreprise.&nbsp;Si vous souhaitez l’organiser exclusivement pour vos collaborateurs, contactez-nous afin de déterminer le tarif dans ce format.

Formation Intra-Entreprise

En Inter-entreprise, le délai d’accès est de 1 semaine avant le début de la formation.&nbsp;En Intra-entreprise, les dates sont validées en tenant compte du planning respectif des formateurs et des participants, un délai de 20 jours est nécessaire entre la demande et le démarrage effectif de la formation.&nbsp;Délai de réponse : nous fixons un délai maximum de 2 semaines pour répondre à une demande.

Délais d’accès & de réponse

Nous vous invitons, si nécessaire, à nous contacter et nous tâcherons de vous répondre dans les plus brefs délais. Epsilon Masterclass s’engage également à recueillir les réclamations afin d’améliorer en continu la qualité de ses formations.&nbsp;Contactez-nous au 01 73 00 55 12, ou par email : <a href="mailto:masterclass@epsilon-france.com">masterclass@epsilon-france.com</a>Enregistré sous le numéro 11754361075. Cet enregistrement ne vaut pas agrément de l’État.

Contact & Réclamation

<h2>Découvrez le Machine Learning &amp; ses principes via Python.</h2>En tant qu’acteur phare du marché de la data française, Epsilon vous propose une formation pour comprendre et mettre en œuvre le Machine Learning à travers Python. Le Machine Learning comprend des techniques, méthodes et algorithmes permettant d’apprendre à partir de données. Les résultats de cet apprentissage sont composés de modèles, règles et pipelines de transformation qui vont être utilisés pour expliquer des phénomènes et/ou construire une solution d’Intelligence Artificielle capable de prendre des décisions automatiques.

Intégralement consacré à l’analyse et la manipulation des données, il permet de répondre à des problématiques Data complexes et notamment de construire des solutions d’Intelligence Artificielle ou des modèles de Machine Learning via différentes 
 techniques et langages.

datascience_picto_formations_e8b79ad9ea_c0cc1664dc.svg

DATA SCIENCE

Campus 145

Nos locaux à Paris

Le Machine Learning avec Python

Conjuguer data, IA, marketing et tech pour des interactions entre marques et clients toujours plus justes et pertinentes

Epsilon France

Epsilon France : votre agence data marketing | Every Interaction Counts

20221003_EPSILON FRANCE_CAMPUS BASTILLE_BD_0XH11689 OK.webp

20221003_EPSILON FRANCE_CAMPUS BASTILLE_BD_0XH11858 OK.webp

20221003_EPSILON FRANCE_CAMPUS BASTILLE_BD_0XH11936 OK.webp

20221003_EPSILON FRANCE_CAMPUS BASTILLE_BD_0XH11861 OK.webp

20220927_EPSILON FRANCE_CAMPUS BASTILLE_BD_0XH11605 OK.webp

20221003_EPSILON FRANCE_CAMPUS BASTILLE_BD_0XH11766 OK.webp

20221003_EPSILON FRANCE_CAMPUS BASTILLE_BD_0XH11628 OK.webp

20221003_EPSILON FRANCE_CAMPUS BASTILLE_BD_0XH11748 OK.webp

20211102_BATIMENT_PUBLICIS 5.9_WASQUEHAL_DEBREU_RXT37981_OK.webp

20211102_BATIMENT_PUBLICIS 5.9_WASQUEHAL_DEBREU_RXT37941_OK.webp

20211102_BATIMENT_PUBLICIS 5.9_WASQUEHAL_DEBREU_RXT37954_OK.webp

20211102_BATIMENT_PUBLICIS 5.9_WASQUEHAL_DEBREU_RXT37907_OK.webp

20211102_BATIMENT_PUBLICIS 5.9_WASQUEHAL_DEBREU_RXT37967_OK.webp

20211102_BATIMENT_PUBLICIS 5.9_WASQUEHAL_DEBREU_RXT37877_OK.webp

20211102_BATIMENT_PUBLICIS 5.9_WASQUEHAL_DEBREU_RXT38020_OK.webp